统计学补充概念08-kmeans

概念

K均值(K-Means)是一种常用的聚类算法,用于将数据集分成预先指定数量的聚类。K均值的目标是将数据点分配到K个聚类中,使得每个数据点都属于距离其最近的聚类中心。

基本步骤

选择聚类数量K:首先需要选择要形成的聚类数量K。

初始化聚类中心:从数据集中随机选择K个数据点作为初始聚类中心。

分配数据点:将每个数据点分配到距离其最近的聚类中心所在的聚类。

更新聚类中心:计算每个聚类中的数据点的平均值,将其作为新的聚类中心。

重复步骤3和4:重复执行分配和更新步骤,直到聚类中心不再明显变化,或者达到预定的迭代次数。

代码实现

import numpy as np
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

# 创建一个示例数据集
n_samples = 300
n_features = 2
n_clusters = 3
X, y = make_blobs(n_samples=n_samples, n_features=n_features, centers=n_clusters, random_state=42)

# 使用K均值聚类
n_clusters_desired = 3
model = KMeans(n_clusters=n_clusters_desired)
model.fit(X)
labels = model.labels_
cluster_centers = model.cluster_centers_

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='rainbow')
plt.scatter(cluster_centers[:, 0], cluster_centers[:, 1], marker='x', s=200, c='black')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.title('K-Means Clustering')
plt.show()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

丰。。

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值