sklearn模型的训练(下）

聚类模型的训练

聚类模型最重要的就是（K-means）

KMeans算法的基本思想如下：

随机选择K个点作为初始质心

While 簇发生变化或小于最大迭代次数：
将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心

图中有3个初始质点，形成的3个簇，再计算每个簇的质心，比较差别

# 生成数据  make_blobs
import numpy as np
import pandas as pd 
%matplotlib inline 
import matplotlib 
from sklearn.datasets.samples_generator import make_blobs 
center=[[1,1],[-1,-1],[1,-1]] 
cluster_std=0.3 
X,labels=make_blobs(n_samples=200,centers=center,n_features=2, cluster_std=cluster_std,random_state=0) 
print('X.shape',X.shape) 
print("labels",set(labels))
df = pd.DataFrame(np.c_[X,labels],columns 
  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

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/88783146