自定义数据集,使用scikit-learn 中K均值包 进行聚类

1. 引言

K均值聚类是一种无监督学习方法,用于将数据集分为多个簇。通过计算数据点之间的距离并将它们分配到最近的簇中心,K均值算法可以帮助我们发现数据中的自然结构。

2. 数据集创建

首先,我们使用numpy创建一个自定义的二维数据集:

复制代码
import numpy as np

# 创建一个简单的二维数据集
X = np.array([[1, 2], [1.5, 1.8], [5, 8], [8, 8], [1, 0.6], [9, 11]])
3. 导入K均值并进行聚类

接下来,我们使用scikit-learn中的K均值算法进行聚类。

复制代码
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 使用K均值聚类,设定簇的数量为2
kmeans = KMeans(n_clusters=2)
kmeans.fit(X)

# 获取簇的中心和标签
centroids = kmeans.cluster_centers_
labels = kmeans.labels_
4. 可视化结果

为了更好地理解聚类结果,我们可以使用matplotlib来可视化数据点和簇的中心。

复制代码
# 绘制数据点和簇的中心
plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis')

# 标出簇的中心
plt.scatter(centroids[:, 0], centroids[:, 1], s=200, c='red', marker='X')
plt.show()
5. 总结

通过K均值聚类,我们成功地将数据集分为两个簇,并通过可视化方式直观展示了聚类结果。K均值算法的核心思想是通过计算点与簇中心的距离进行分组,并不断迭代优化簇的中心位置。

相关推荐
go&Python2 天前
scikit-learn 包
python·机器学习·scikit-learn
叫我:松哥3 天前
基于python的微博评论和博文文本分析,包括LDA+聚类+词频分析+lstm热度预测,数据量10000条
python·机器学习·数据挖掘·数据分析·lstm·聚类
dundunmm5 天前
【论文阅读】Nonparametric clustering of RNA-sequencing data
论文阅读·聚类·生物信息·细胞聚类·非参聚类
talented_pure5 天前
Python打卡Day18 基于聚类进一步推断类型
python·机器学习·聚类
橘子编程6 天前
机器学习-线性回归
python·numpy·scikit-learn·matplotlib
明心知7 天前
DAY 18 推断聚类后簇的类型
人工智能·机器学习·聚类
伊织code7 天前
OpenCV 官翻5 - 机器学习
人工智能·opencv·机器学习·聚类·svm·knn·k-means
wh_xia_jun9 天前
K-means 聚类在肺炎患者分型中的应用(简单示例)
算法·kmeans·聚类
云空10 天前
《PyQtGraph例子库:Python数据可视化的宝藏地图》
开发语言·python·信息可视化·scikit-learn·pyqt
麻雀无能为力11 天前
CAU数据挖掘 第五章 聚类问题
人工智能·数据挖掘·聚类·中国农业大学计算机