2020-12-20|西瓜更新Cookies ttwid获取方法

.版本 2

.子程序 功能_网页访问, 文本型, , 本命令由【精易网页调试助手】生成,请配合精易模块使用。
.局部变量  局_网址, 文本型
.局部变量  局_方式, 整数型
.局部变量  局_提交数据, 文本型
.局部变量  ADD_协议头,_POST数据类
.局部变量  局
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
K-means算法是一种简单有效的聚类算法,在数据挖掘和机器学习领域得到广泛应用。对于西瓜品类分析,在进行K-means算法之前,需要先对数据进行处理和数据预处理。以下是基于python语言的代码实现: 首先,安装所需库 ``` pip install pandas numpy matplotlib seaborn sklearn ``` 接着,导入所需库并读入数据 ``` import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from sklearn.cluster import KMeans # 读入数据 data=pd.read_csv('watermelon.csv') ``` 数据的预处理包括去掉无用数据、数据类型转换等。该数据中无无用数据,故只需数据类型转换: ``` # 数据类型转换 data.iloc[:,2:]=data.iloc[:,2:].astype('float64') ``` 接着,按照品种名称对数据进行分组,并分别绘制出密度图和散点图以观察数据分布情况: ``` # 分组 data1=data.groupby('品种') # 绘制密度图 for i in data1: sns.distplot(i[1]['密度'],hist=False,rug=True,label=i[0]) # 绘制散点图 plt.scatter(data['密度'],data['含糖率'],c=data['品种'].astype('category').cat.codes) plt.show() ``` 绘制的结果如下图所示: ![image-20210318161715841](https://cdn.jsdelivr.net/gh/107-world/img_cdn/img_a/image-20210318161715841.png) 通过观察数据分布情况,可以考虑对密度和含糖率进行聚类分析,代码如下: ``` # 聚类 data2=data.iloc[:,2:] kmeans=KMeans(n_clusters=3,random_state=0).fit(data2) # 将聚类结果存储在dataframe中 result=pd.concat([data,pd.Series(kmeans.labels_,index=data.index)],axis=1) result.rename(columns={0:'聚类结果'},inplace=True) # 绘制聚类后的分布情况 plt.scatter(result['密度'],result['含糖率'],c=result['聚类结果'].astype('category').cat.codes) plt.show() ``` 通过绘制聚类后的分布情况,可以更直观地观察聚类结果,代码如下: ![image-20210318162328962](https://cdn.jsdelivr.net/gh/107-world/img_cdn/img_a/image-20210318162328962.png) 在本次西瓜品类分析中,我们使用K-means算法对西瓜的密度和含糖率进行聚类分析,将西瓜分为三个品类,并可视化显示各品类的分布情况。K-means算法的优点是简单易懂、计算速度快,适合处理大规模的数据,但由于需要事先指定聚类数量,对初始值的选择比较敏感,因此还需要对数据进行比较准确的预处理和选择合适的初始值方法

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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

angularmang

你的支持让我创造出更多原创文章

¥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