生活随笔
收集整理的这篇文章主要介绍了
K-means聚类
小编觉得挺不错的,现在分享给大家,帮大家做个参考.
有勇气的牛排
官方地址：
博客官网：www.920vip.net
程序员兼职接单：www920z.net
K-Means算法
是无监督的聚类算法
是很典型的基于 距离的 聚类 算法
如果在一次迭代前后，J的值没有发生变化，说明算法已经收敛，结束迭代。
K值：要得到的簇的个数
质心：每个簇的均值向量，即向量各维取平均即可
距离量度：常用欧几里得距离和余弦相似度（先标准化）
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
)
总结
以上是生活随笔为你收集整理的K-means聚类的全部内容，希望文章能够帮你解决所遇到的问题。
如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。
