聚类（上）K-mean算法

什么是聚类

聚类就是对大量未知标注的数据集，按数据 的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大而类别间的数据相 似度较小 。 是无监督问题

重点的是欧式距离和余弦相似度

K-mean算法

# coding:utf-8
import numpy as np
import sklearn.datasets as ds
from sklearn.cluster import KMeans, DBSCAN
from sklearn.metrics import homogeneity_score, completeness_score, v_measure_score, adjusted_mutual_info_score, adjusted_rand_score, silhouette_score
import matplotlib as mpl
import matplotlib.pyplot as plt

x, y = ds.make_blobs(400, n_features=2, centers=4, random_state=2018)
model = KMeans(n_clusters=4, init='k-means++')
model.fit(x)
y_pred = model.predict(x)

print('y = ', y[:30])

  

 

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

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/89067522