自定义数据集,使用scikit-learn 中K均值包 进行聚类

数据集生成:

  • 使用 make_blobs 函数生成包含300个样本的数据集,设定聚类中心为4个,聚类标准差为0.60,随机种子 random_state = 0 保证每次运行生成的数据相同。

K - 均值模型:

  • 初始化 KMeans 类,设置聚类数 n_clusters = 4 ,并使用 random_state = 0 确保每次运行结果一致。

  • 使用 fit 方法将模型拟合到生成的数据集 X 上。

获取结果:

  • 通过 labels_ 属性获取每个样本的聚类标签。

  • 通过 cluster_centers_ 属性获取聚类中心的坐标。

可视化:

  • 使用 matplotlib 库进行可视化。将样本点根据其聚类标签用不同颜色绘制,聚类中心用红色的 x 标记绘制

import numpy as np

from sklearn.datasets import make_blobs

from sklearn.cluster import KMeans

import matplotlib.pyplot as plt

生成自定义数据集

X, _ = make_blobs(n_samples = 300, centers = 4,

cluster_std = 0.60, random_state = 0)

初始化并拟合K - 均值模型

kmeans = KMeans(n_clusters = 4, random_state = 0)

kmeans.fit(X)

获取聚类标签

labels = kmeans.labels_

获取聚类中心

cluster_centers = kmeans.cluster_centers_

可视化聚类结果

plt.scatter(X[:, 0], X[:, 1], c = labels, cmap='viridis')

plt.scatter(cluster_centers[:, 0], cluster_centers[:, 1], marker='x', s=200, linewidths = 3, color='r')

plt.title('K - Means Clustering')

plt.xlabel('Feature 1')

plt.ylabel('Feature 2')

plt.show()

相关推荐
Blossom.11814 分钟前
基于深度学习的图像分类:使用Capsule Networks实现高效分类
人工智能·python·深度学习·神经网络·机器学习·分类·数据挖掘
Coovally AI模型快速验证2 小时前
数据集分享 | 智慧农业实战数据集精选
人工智能·算法·目标检测·机器学习·计算机视觉·目标跟踪·无人机
GG向前冲3 小时前
机器学习对中特估股票关键特征选取的应用与研究
人工智能·机器学习·投资组合
计算机sci论文精选5 小时前
CVPR 2024 3D传感框架实现无监督场景理解新纪元
人工智能·机器学习·计算机视觉·3d·cvpr·传感技术
zzywxc7879 小时前
详细介绍AI在金融、医疗、教育、制造四大领域的落地案例,每个案例均包含实际应用场景、技术实现方案、可视化图表和核心代码示例
人工智能·深度学习·机器学习
Monkey PilotX9 小时前
VLA:自动驾驶的“新大脑”?
人工智能·机器学习·计算机视觉·自动驾驶
超龄超能程序猿10 小时前
图片查重从设计到实现(4)图片向量化存储-Milvus 单机版部署
人工智能·yolo·机器学习
大连好光景11 小时前
GCN模型的设计与训练(入门案例)
人工智能·深度学习·机器学习
二向箔reverse11 小时前
机器学习入门:线性回归详解与实战
人工智能·机器学习
真就死难12 小时前
Rerank 模型的其中两种路径:BERT 相似度与 CoT 推理
人工智能·机器学习·rag