kmeans python_使用python+sklearn实现Kmeans聚类

注意：单击此处https://urlify.cn/zUfeai下载完整的示例代码，或通过Binder在浏览器中运行此示例

以下图首先显示了使用K-means算法产生三个聚类的结果，然后显示了不好的初始化对分类过程的影响：通过将n_init设置为1(默认值为10)，可以减少使用不同质心种子运行算法的次数。下一张图显示了使用八个聚类可以传递的内容，最后显示了真实类的情况。

print(__doc__)# 源代码: Gaël Varoquaux# 由Jaques Grobler修改过文档# 许可证: BSD 3 clauseimport numpy as npimport matplotlib.pyplot as plt# 尽管不直接使用以下导入的库，但它对于# 3D投影来说是必需的from mpl_toolkits.mplot3d import Axes3Dfrom sklearn.cluster import KMeansfrom sklearn import datasetsnp.random.seed(5)iris = datasets.load_iris()X = iris.datay = iris.targetestimators = [('k_means_iris_8', KMeans(n_clusters=8)), ('k_means_iris_3', KMeans(n_clusters=3)), ('k_means_iris_bad_init', KMeans(n_clusters=3, n_init=1, init='random'))]fignum = 1titles = ['8 clusters', '3 clusters', '3 clusters, bad initialization']for name, est in estimators: fig = plt.figure(fignum, figsize=(4, 3)) ax = Axes3D(fig, rect=[0, 0, .95, 1], elev=48, azim=134) est.fit(X) labels = est.labels_ ax.scatter(X[:, 3], X[:, 0], X[:, 2], c=labels.astype(np.float), edgecolor='k') ax.w_xaxis.set_ticklabels([]) ax.w_yaxis.set_ticklabels([]) ax.w_zaxis.set_ticklabels([]) ax.set_xlabel('Petal width') ax.set_ylabel('Sepal length') ax.set_zlabel('Petal length') ax.set_title(titles[fignum - 1]) ax.dist = 12 fignum = fignum + 1# 绘制真实类fig = plt.figure(fignum, figsize=(4, 3))ax = Axes3D(fig, rect=[0, 0, .95, 1], elev=48, azim=134)for name, label in [('Setosa', 0), ('Versicolour', 1), ('Virginica', 2)]: ax.text3D(X[y == label, 3].mean(), X[y == label, 0].mean(), X[y == label, 2].mean() + 2, name, horizontalalignment='center', bbox=dict(alpha=.2, edgecolor='w', facecolor='w'))# 重新排列标签以使其颜色与聚类结果匹配y = np.choose(y, [1, 2, 0]).astype(np.float)ax.scatter(X[:, 3], X[:, 0], X[:, 2], c=y, edgecolor='k')ax.w_xaxis.set_ticklabels([])ax.w_yaxis.set_ticklabels([])ax.w_zaxis.set_ticklabels([])ax.set_xlabel('Petal width')ax.set_ylabel('Sepal length')ax.set_zlabel('Petal length')ax.set_title('Ground Truth')ax.dist = 12fig.show()

脚本的总运行时间：(0分钟0.629秒)

估计的内存使用量： 8 MB

下载Python源代码: plot_cluster_iris.py

下载Jupyter notebook源代码: plot_cluster_iris.ipynb

由Sphinx-Gallery生成的画廊

文壹由“伴编辑器”提供技术支持

☆☆☆为方便大家查阅，小编已将scikit-learn学习路线专栏 文章统一整理到公众号底部菜单栏，同步更新中，关注公众号，点击左下方“系列文章”，如图：

欢迎大家和我一起沿着scikit-learn文档这条路线，一起巩固机器学习算法基础。(添加微信：mthler，备注：sklearn学习，一起进【sklearn机器学习进步群】开启打怪升级的学习之旅。)