贪心科技机器学习训练营(十一)

举报
毛利 发表于 2021/07/15 07:48:29 2021/07/15
【摘要】 先把来源写上 来源:贪心学院,https://www.zhihu.com/people/tan-xin-xue-yuan/activities 往期文章: K-means算法 k - means 是无监督学习的一种,主要用于分类 首先确定K值,就是类别数,我们想把数据分为几类。根据k值随机选取K个点,作为中心点,分别计算其余各个点到这K个点的距离。对于每一个非...

先把来源写上

来源:贪心学院,https://www.zhihu.com/people/tan-xin-xue-yuan/activities

往期文章:

K-means算法

k - means 是无监督学习的一种,主要用于分类

  1. 首先确定K值,就是类别数,我们想把数据分为几类。
  2. 根据k值随机选取K个点,作为中心点,分别计算其余各个点到这K个点的距离。对于每一个非中心点,找到离它最近的那个中心点,把这个非中心点和对应的中心点归为一类。
  3. 计算每个类别中所有点的均值,作为新的中心点,然后重复以上动作,再次计算每个点到新的中线点的距离,找的离它最近的归为一类,再次计算中心点
  4. .如果中心点不变了,就得到了最终的聚类中心,每个点找到离它最近的中心点,就完成了聚类。

K-means中K值的选取

from sklearn.cluster import KMeans
wcss = []
for k in range(1,15): kmeans = KMeans(n_clusters=k) kmeans.fit(x) wcss.append(kmeans.inertia_)
plt.plot(range(1,15),wcss)
plt.xlabel("k values")
plt.ylabel("WCSS")
plt.show()

--------------------- 
作者:毛利学python 
来源:CSDN 
原文:https://blog.csdn.net/weixin_44510615/article/details/92021326 
版权声明:本文为博主原创文章,转载请附上博文链接!

  
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

手写k-means
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
k-means读取图片 (这里的k是颜色的个数)

在这里插入图片描述

在这里插入图片描述

基于K-means的用户分层

数据是这样的:不同的公司举行了不同的优惠活动,每个用户参加了多个活动
在这里插入图片描述

在这里插入图片描述
数据透视表

在这里插入图片描述

用k-mean将用户分类出来
在这里插入图片描述

寻找k值

在这里插入图片描述
在这里插入图片描述

文章来源: maoli.blog.csdn.net,作者:刘润森!,版权归原作者所有,如需转载,请联系作者。

原文链接:maoli.blog.csdn.net/article/details/96478377

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。