溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊(cè)×
其他方式登錄
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》

Python中如何使用kmeans聚類

發(fā)布時(shí)間：2021-06-04 09:38:05 來(lái)源：億速云 閱讀：244 作者：小新 欄目：編程語(yǔ)言

這篇文章給大家分享的是有關(guān)Python中如何使用kmeans聚類的內(nèi)容。小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，一起跟隨小編過(guò)來(lái)看看吧。

1、用kmeans分為五個(gè)聚類，每個(gè)聚類內(nèi)部的數(shù)據(jù)為一個(gè)list，五個(gè)list組成聚類中心。

k = 5  # 聚類中心數(shù)
kmeans_model = KMeans(n_clusters=k, n_jobs=4, random_state=123)
# 聚類中心數(shù)，并行的CPU核的數(shù)量，隨機(jī)數(shù)種子
fit_kmeans = kmeans_model.fit(airline_scale)  # 模型訓(xùn)練
print(kmeans_model.cluster_centers_)  # 查看聚類中心
print(kmeans_model.labels_)  # 查看樣本的類別標(biāo)簽

2、label顯示按照kmeans劃分之后每個(gè)數(shù)據(jù)屬于哪個(gè)聚類。

# 統(tǒng)計(jì)不同類別樣本的數(shù)目
r1 = pd.Series(kmeans_model.labels_).value_counts()
print('最終每個(gè)類別的數(shù)目為：\n', r1)
result = kmeans_model.predict([[1.5, 1.5, 1.5, 1.5, 1.5]])
print(result)
# 最終確定在五個(gè)參數(shù)都是1.5的情況下的用戶屬于類別1
3\r1顯示每個(gè)聚類內(nèi)部的元素個(gè)數(shù)，同時(shí)測(cè)試一組特定特征值的數(shù)據(jù)會(huì)被分配到哪個(gè)組中。

感謝各位的閱讀！關(guān)于“Python中如何使用kmeans聚類”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，讓大家可以學(xué)到更多知識(shí)，如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到吧！

向AI問(wèn)一下細(xì)節(jié)

免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手