机器学习学习笔记--K-mean聚类算法

设计思路：

1.准备好初始数据

2.pandas库导入，初步处理数据

3.matplotlib库处理数据，把数据画成图

4.从sklearn库里调用K-mean算法，处理数据，分类

5.对数据再次画图

import pandas as pd# 导入数据处理模块

file = pd.read_csv("cluster_data.csv", header=0)# 导入数据文件printfile# 输出文件

X = file['x']# 定义横坐标数据

y = file['y']# 定义纵坐标数据

from matplotlib import pyplot as plt# 导入绘图模块

plt.scatter(X, y)# 绘制散点图

plt.show()# 显示图

from sklearn.cluster import k_means# 导入 K-Means 方法

model = k_means(file, n_clusters =3)# 建立聚类模型

cluster_centers = model[0]# 聚类中心数组

cluster_labels = model[1]# 聚类标签数组

plt.scatter(X, y, c=cluster_labels)# 绘制样本并按聚类标签标注颜色

# 绘制聚类中心点，标记成五角星样式，以及红色边框

for center in cluster_centers:   

      plt.scatter(center[0], center[1], marker="p", edgecolors="red")

      plt.show()# 显示图