生活随笔
收集整理的這篇文章主要介紹了
K-means聚类
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
有勇氣的牛排
官方地址：
博客官網：www.920vip.net
程序員兼職接單：www920z.net
K-Means算法
是無監督的聚類算法
是很典型的基于 距離的 聚類 算法
如果在一次迭代前后，J的值沒有發生變化，說明算法已經收斂，結束迭代。
K值：要得到的簇的個數
質心：每個簇的均值向量，即向量各維取平均即可
距離量度：常用歐幾里得距離和余弦相似度（先標準化）
import numpy
as np
from sklearn
.cluster
import KMeans
from sklearn
.datasets
import load_iris
from sklearn
.model_selection
import train_test_split
if __name__
== '__main__':dataset
= load_iris
()X
= dataset
.datay
= dataset
.targetXd_train
, Xd_test
, y_train
, y_test
= train_test_split
(X
, y
, random_state
=14)clf
= KMeans
(n_clusters
=3, random_state
=0).fit
(Xd_train
)y_predicted
= clf
.predict
(Xd_test
)accuracy
= np
.mean
(y_predicted
== y_test
) * 100print("y_test ", y_test
)print("y_predicted", y_predicted
)print("accuracy:", accuracy
)
總結
以上是生活随笔為你收集整理的K-means聚类的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。
