k-means

屬于非監(jiān)督學習(unsupervised learning)

聚類：把數(shù)據(jù)分成多少個類別

1.聚類的過程

? ?例如：? ? k等于幾就相當于分幾類

1、隨機設(shè)置K個特征空間內(nèi)的點作為初始的聚類中心

2、對于其他每個點計算到K個中心的距離，未知的點選擇最近的一個聚類

中心點作為標記類別

3、接著對著標記的聚類中心之后，重新計算出每個聚類的新中心點（平

均值）

4、如果計算得出的新中心點與原中心點一樣，那么結(jié)束，否則重新進行

第二步過程

2.K-means API

? ??sklearn.cluster.KMeans

?語法

? ? ??sklearn.cluster.KMeans(n_clusters=8,init=‘k-means++’)

? ? ? ? ??k-means聚類

? ? ? ? ??n_clusters:開始的聚類中心數(shù)量

? ? ? ? ??init:初始化方法，默認為'k-means ++’

? ? ? ???labels_:默認標記的類型，可以和真實值比較（不是值比較）

后面繼續(xù)更新，只寫了一半?

?

總結(jié)

以上是生活随笔為你收集整理的机器学习(K-means聚类原理以及用法)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。