这篇文章给大家分享的是有关Python中如何使用kmeans聚类的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。
1、用kmeans分为五个聚类,每个聚类内部的数据为一个list,五个list组成聚类中心。
k = 5 # 聚类中心数 kmeans_model = KMeans(n_clusters=k, n_jobs=4, random_state=123) # 聚类中心数,并行的CPU核的数量,随机数种子 fit_kmeans = kmeans_model.fit(airline_scale) # 模型训练 print(kmeans_model.cluster_centers_) # 查看聚类中心 print(kmeans_model.labels_) # 查看样本的类别标签
2、label显示按照kmeans划分之后每个数据属于哪个聚类。
# 统计不同类别样本的数目 r1 = pd.Series(kmeans_model.labels_).value_counts() print('最终每个类别的数目为:\n', r1) result = kmeans_model.predict([[1.5, 1.5, 1.5, 1.5, 1.5]]) print(result) # 最终确定在五个参数都是1.5的情况下的用户属于类别1 3\r1显示每个聚类内部的元素个数,同时测试一组特定特征值的数据会被分配到哪个组中。
感谢各位的阅读!关于“Python中如何使用kmeans聚类”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识,如果觉得文章不错,可以把它分享出去让更多的人看到吧!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。