聚类系列算法进阶（二）19

最新推荐文章于 2024-01-11 22:08:31 发布

samll-guo

最新推荐文章于 2024-01-11 22:08:31 发布

阅读量1.1k

点赞数 1

分类专栏： alot学习 alot物联网工程师文章标签：线性回归机器学习算法

本文链接：https://blog.csdn.net/m0_58465990/article/details/121514271

版权

本文深入探讨了聚类算法，包括KMeans聚类，DBSCAN聚类及其异常值过滤和评分，以及分层聚类。特别是强调了在非欧几何数据下，正确设置连接性约束对于保持数据结构的重要性。

摘要由CSDN通过智能技术生成

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans,DBSCAN#导入两个聚类计算方法
from sklearn import datasets

1 创建数据

X,y=datasets.make_circles(n_samples=1000,noise=0.05,factor=0.5)
#创建环形数据，参数n_samples表示数量，noise表示数量，factor为两个圆圈的比例
np.unique(y)
plt.figure(figsize=(5,5))
plt.scatter(X[:,0],X[:,1],c=y)

#生成一类点数据
X1,y1=datasets.make_blobs(n_samples=500,n_features=2,centers=[(1.5,1.5)],cluster_std=0.2)
#n_features=2表示两个特征，centers=[1.5,1.5]表示中心点位置,
#cluster_std表示标准差，标准差越大波动越大
plt.figure(figsize=(5,5))
plt.scatter(X1[:,0],X1[:,1],c=y1)