sklearn實現k-means聚類算法

sklearn實現k-means聚類算法

前言： 調用sklearn.cluster包中KMeans庫可以很方便的實現k-means聚類算法，本文舉一個簡單的例子介紹如何使用sklearn進行l-means聚類

一、使用sklearn實現k-means聚類的代碼

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

# 讀取數據
data = np.genfromtxt('kmeans.txt', delimiter=' ')
# 聚類數量
k = 4
# 訓練模型
model = KMeans(n_clusters=k)
model.fit(data)
# 分類中心點座標
centers = model.cluster_centers_
# 預測結果
result = model.predict(data)
# 用不同的顏色繪製數據點
mark = ['or', 'og', 'ob', 'ok']
for i, d in enumerate(data):
    plt.plot(d[0], d[1], mark[result[i]])
# 畫出各個分類的中心點
mark = ['*r', '*g', '*b', '*k']
for i, center in enumerate(centers):
    plt.plot(center[0], center[1], mark[i], markersize=20)

# 繪製簇的作用域
# 獲取數據值所在的範圍
x_min, x_max = data[:, 0].min() - 1, data[:, 0].max() + 1
y_min, y_max = data[:, 1].min() - 1, data[:, 1].max() + 1

# 生成網格矩陣
xx, yy = np.meshgrid(np.arange(x_min, x_max, 0.02), np.arange(y_min, y_max, 0.02))
z = model.predict(np.c_[xx.ravel(), yy.ravel()])
z = z.reshape(xx.shape)
cs = plt.contourf(xx, yy, z)
plt.show()

二、執行結果

三、數據下載
鏈接：https://pan.baidu.com/s/18DOd6c3O1HoRxXHFv1p3zg
提取碼：smph