#导包
from sklearn.datasets import load_iris #导入鸢尾花数据集
from sklearn.model_selection import train_test_split #导入数据集划分工具
from sklearn.cluster import KMeans #导入KMeans聚类算法
import matplotlib.pyplot as plt #导入绘图库
#字体
plt.rcParams['font.family'] = 'KaiTi' #设置字体为楷体
plt.rcParams['axes.unicode_minus'] = False #设置坐标轴负号显示正常
#加载数据集
dataset=load_iris() #加载鸢尾花数据集
x=dataset.data #获取数据集中的特征数据
#将数据集划分为训练集和测试集,测试集占比25%,随机种子为2
x_train,x_test=train_test_split(x,test_size=0.25,random_state=2)
#创建KMeans聚类模型,设置聚类簇数为3
model=KMeans(n_clusters=3)
#使用训练集数据进行模型训练
model.fit(x)
#对训练集数据进行预测,得到预测结果
pred_y=model.predict(x)
#获取聚类中心点
kc=model.cluster_centers_
#根据预测结果将数据分为三类
class0=[i for i in range(len(pred_y)) if pred_y[i]==0]
class1=[i for i in range(len(pred_y)) if pred_y[i]==1]
class2=[i for i in range(len(pred_y)) if pred_y[i]==2]
# 创建画布,设置画布大小
fig=plt.figure(figsize=(10,8))
# 绘制散点图,将不同类别的数据用不同颜色和形状表示
label_added = False #初始化一个变量label_added,用于标记是否已经添加了标签
for i in class0: #遍历class0中的每个元素
if not label_added: #如果还没有添加标签
plt.scatter(x[i,0],x[i,2],c='red',marker='o',label='class0') #在散点图上绘制class0的数据点,并设置颜色为红色,形状为圆形,同时添加标签'class0'
label_added = True #将label_added设置为True,表示已经添加了标签
else: #如果已经添加了标签,直接在散点图上绘制class0的数据点,设置颜色为红色,形状为圆形
plt.scatter(x[i,0],x[i,2],c='red',marker='o')
label_added=False #初始化一个变量label_added,用于标记是否已经添加了标签
for i in class1: #遍历class1中的每个元素
if not label_added:
plt.scatter(x[i,0],x[i,2],c='green',marker='*',label='class1') #在散点图上绘制class0的数据点,并设置颜色为绿色,形状为*,同时添加标签'class1'
label_added=True
else: #如果已经添加了标签,直接在散点图上绘制class1的数据点,设置颜色为绿色,形状为*
plt.scatter(x[i,0],x[i,2],c='green',marker='*')
label_added=False #初始化一个变量label_added,用于标记是否已经添加了标签
for i in class2: #遍历class2中的每个元素
if not label_added:
plt.scatter(x[i,0],x[i,2],c='blue',marker='^',label='class2') #在散点图上绘制class0的数据点,并设置颜色为蓝色,形状为三角形,同时添加标签'class2'
label_added=True
else: #如果已经添加了标签,直接在散点图上绘制class1的数据点,设置颜色为蓝色,形状为三角形
plt.scatter(x[i,0],x[i,2],c='blue',marker='^')
# 绘制聚类中心点
label_added=False #初始化一个变量label_added,用于标记是否已经添加了标签
for i in kc: #遍历class2中的每个元素
if not label_added:
plt.scatter(i[0],i[2],c='purple',marker='s',label='kc') #在散点图上绘制class0的数据点,并设置颜色为紫色,形状为正方形,同时添加标签'kc'
label_added=True
else:
plt.scatter(i[0],i[2],c='purple',marker='s') #如果已经添加了标签,直接在散点图上绘制kc的数据点,设置颜色为紫色,形状为正方形
# 设置横纵坐标轴标签和标题
plt.xlabel('x') #x轴
plt.ylabel('y') #y轴
plt.title('使用K-Means算法对鸢尾花数据集进行聚类可视化') #标题
plt.legend() #显示图例
plt.show() #显示图像
K-means
于 2024-07-06 21:02:00 首次发布