第4关 sklearn中的k-means （educoder

最新推荐文章于 2024-11-08 10:15:38 发布

2.5年没练习了要加油

最新推荐文章于 2024-11-08 10:15:38 发布

阅读量2.7k

点赞数 1

文章标签：机器学习聚类 python

本文链接：https://blog.csdn.net/aaaaDea/article/details/127272138

版权

本文通过使用sklearn中的K-means模型实现红酒数据的聚类任务。给出的代码示例展示了如何根据13个特征将178个红酒样本分为3类。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

编程要求

请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，完使用 sklearn 中的K-means模型实现红酒聚类任务。

通关代码 ↓

#encoding=utf8
from sklearn.cluster import KMeans

def kmeans_cluster(data):
    '''
    input:data(ndarray):样本数据
    output:result(ndarray):聚类结果
    '''
    #********* Begin *********#
    km = KMeans(n_clusters=3,random_state=888)
    result = km.fit_predict(data)
    #********* End *********# 
    return result

（更多通关代码请点击主页）

相关知识

为了完成本关任务，你需要掌握：1.KMeans。

数据集介绍

数据集为一份红酒数据，一共有178个样本，每个样本有13个特征，这里不会提供你红酒的标签，你需要自己根据这13个特征对红酒进行聚类，部分数据如下图：