Pythonkmeans聚类的使用

美女程序员鼓励师

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。

以上就是Python kmeans聚类的使用,希望对大家有所帮助。更多Python学习指路:python基础教程

本文教程操作环境:windows7系统、Python 3.9.1,DELL G3电脑。

以上是 Pythonkmeans聚类的使用 的全部内容, 来源链接: utcz.com/z/544990.html

回到顶部