经典聚类算法Kmeans的基本原理及实现 |
您所在的位置：网站首页 › kmeans聚类算法步骤 › 经典聚类算法Kmeans的基本原理及实现 |
经典聚类算法Kmeans的基本原理及实现
|
经典聚类算法Kmeans的基本原理及实现
1829 Kmeans算法，又叫做K均值聚类算法，可以说是无监督聚类算法中最具代表性，最经典的聚类算法了，这一算法的主要作用是将相似的样本自动归到一个类别中。小编特意整理了这一经典聚类算法的基本原理供大家参考，希望对大家有所帮助。 一、首先来看一下Kmeans算法的效果 #通过简单的例子来直接查看K均值聚类的效果 from sklearn.cluster import KMeans import matplotlib.pyplot as plt import numpy as np %matplotlib inline #聚类前 X = np.random.rand(100,2) plt.scatter(X[:,0],X[:,1], marker='o')
#聚类后 kmeans = KMeans(n_clusters=4).fit(X) label_pred = kmeans.labels_ plt.scatter(X[:,0],X[:,1],c=label_pred) plt.show() 
二、Kmeans算法基本原理
假定给定数据样本X，包含了n个对象
其中每个对象都具有m个维度的属性。Kmeans算法的目标是将n个对象依据对象间的相似性聚集到指定的k个类簇中，每个对象属于且仅属于一个其到类簇中心距离最小的类簇中。对于Kmeans，首先需要初始化k个聚类中心{C1.C2.C3....,Ck},1
分享
收藏
相关阅读 python 为了提升性能，竟运用了共享经济 SQL日志太大？教你一键清理 解决交通拥堵、监测核辐射、野外搜救…无人机将有哪些神应 ... 第12届CDA数据分析师认证考试明日（2020年7月25日），你准 ... 实战 | 用户购买行为RFM标签应用案例 厉害了，在Pandas中用SQL来查询数据，效率超高 ... 法拍房数量激增数百倍！来看看这里面的数据 ... 当我们访问对象属性时，到底发生了什么？ ... |
2020-07-24
【本文地址】
今日新闻 |
推荐新闻 |