ZBLOG

# K-means聚类 import pandas as pd import numpy as np from sklearn.cluster import KMeans # 导入kmeans算法 # 读取标准化后的数据 airline_scale = np.load('../tmp/airline_scale.npz')['arr_0'] k = 5 # 确定聚类中心数 # 构建模型,随机种子设为123 kmeans_model = KMeans(n_clusters = k,n_j...

这段代码实现了使用K-means聚类算法对标准化后的数据进行聚类分析。

首先,通过np.load()函数读取已经标准化后的数据集airline_scale。然后,确定了聚类中心数目为k=5

接下来,使用KMeans()函数创建了一个K-means模型,并指定了聚类中心数目、并行计算的任务数量以及随机种子。然后,调用fit()方法训练模型。

在输出结果部分,首先通过kmeans_model.cluster_centers_获得各个聚类中心的坐标。然后,通过kmeans_model.labels_获取每个样本点的所属聚类类别标签。

接着,通过统计不同类别样本数目,使用pd.Series(kmeans_model.labels_).value_counts()进行计算,并将结果存储在变量 r1 中。最后打印出每个聚类中心和其包含的样本数目。

最后一步是将聚类中心和对应样本数目放入一个DataFrame对象 cluster_center 中,并根据样本类别作为索引显示结果。

总之,这段代码实现了K-means聚类算法,并展示了各个聚类中心以及每个簇内的样本数量。


内容由零声教学AI助手提供,问题来源于学员提问

本站部分文章来源于网络,版权归原作者所有,如有侵权请联系站长删除。
转载请注明出处:https://sdn.0voice.com/?id=2381

分享:
扫描分享到社交APP
上一篇
下一篇
发表列表
游客 游客
此处应有掌声~
评论列表

还没有评论,快来说点什么吧~

联系我们

在线咨询: 点击这里给我发消息

微信号:3007537140

上班时间: 10:30-22:30

关注我们
x

注册

已经有帐号?