Scikit-Learn 库 K-Means 聚类

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

以下内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文


K-Means 聚类是统计机器学习中最经典的聚类算法之一，今天向大家介绍在 Python 中使用 Scikit-Learn 相关工具对数据样本进行 K-Means 聚类的方法与技巧。


首先，导入相关的数据运算及可视化工具库：

1. %matplotlib inline
   
2. import matplotlib.pyplot as plt
   
3. import seaborn as sns; sns.set()  # 设置一个美观的图表样式
   
4. import numpy as np

复制代码

利用 Scikit-Learn 中的 make_blobs 工具，构建示例数据：

1. from sklearn.datasets.samples_generator import make_blobs
   
2. X, y_true = make_blobs(n_samples=300, centers=4,
   
3.                        cluster_std=0.60, random_state=0)
   
4. plt.scatter(X[:, 0], X[:, 1], s=50);

复制代码

可以看到，我们的示例数据集由300个聚类关系相对明显的二维数据样本构成。接下来，我们导入相关的模块，利用 Scikit-Learn 中的 KMeans 工具构建模型对象并进行 K-Means 聚类：

1. from sklearn.cluster import KMeans
   
2. kmeans = KMeans(n_clusters=4)
   
3. kmeans.fit(X)
   
4. y_kmeans = kmeans.predict(X)

复制代码

利用下图将 K-Means 聚类的结果描绘出来，在图中，不同的颜色代表样本属于不同的聚类簇，而圆形阴影区域则表示簇中心的位置：

1. plt.scatter(X[:, 0], X[:, 1], c=y_kmeans, s=50, cmap='viridis')
   
2. 
   
3. centers = kmeans.cluster_centers_
   
4. plt.scatter(centers[:, 0], centers[:, 1], c='black', s=200, alpha=0.5);

复制代码

以上内容节选自 数析学院，后文还有不同类型数据的聚类、图片聚类实例等，内容较多，先搬运到这，有需要的同学可以先直接到 数析学院 查看原文

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

casey_c 发表于 2017-7-7 14:31
以下内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文

数析学院？

七色雨 发表于 2017-12-13 20:23
数析学院？

有没有链接？

七色雨 发表于 2017-12-13 20:23
有没有链接？

http://*/

七色雨 发表于 2017-12-13 20:23
有没有链接？

http://*/

七色雨 发表于 2017-12-13 20:23
有没有链接？

http://*/

七色雨 发表于 2017-12-13 20:23
有没有链接？

http://*/

七色雨 发表于 2017-12-13 20:23
有没有链接？

datacademy.io/

七色雨 发表于 2017-12-13 20:23
有没有链接？

链接是这个 ，或者直接百度数析学院