Python中如何使用kmeans聚類
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。小編覺得挺實(shí)用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。
創(chuàng)新互聯(lián)建站堅(jiān)持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：成都做網(wǎng)站、網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿足客戶于互聯(lián)網(wǎng)時代的大理州網(wǎng)站設(shè)計(jì)、移動媒體設(shè)計(jì)的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！
1、用kmeans分為五個聚類，每個聚類內(nèi)部的數(shù)據(jù)為一個list，五個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劃分之后每個數(shù)據(jù)屬于哪個聚類。
# 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顯示每個聚類內(nèi)部的元素個數(shù)，同時測試一組特定特征值的數(shù)據(jù)會被分配到哪個組中。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)容可以對大家有一定的幫助，讓大家可以學(xué)到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！
本文題目：Python中如何使用kmeans聚類
鏈接URL：http://m.jiaotiyi.com/article/jjeesd.html