Scikit-learn section4 for cvpytorch

英文官方教程链接如下：

https://scikit-learn.org/stable/tutorial/statistical_inference/unsupervised_learning.htmlhttps://scikit-learn.org/stable/tutorial/statistical_inference/unsupervised_learning.html如有侵权，务必联系删除。

这又是一个新的开始，关于探究有关无监督学习的数据表征的内容，大家一起加油吧。

---

Clustering: grouping observations together

我对这个的理解是，既然没有标签，那么我们就将判断出的属于同一类(或者是相似类别)的图像或数据归为同一类，将它们放到一起。我感觉好像是一个又一个部落一样。

下面是作者说的最简单的一种聚簇算法：k-means (不得不说，前辈的最简单对我来说也是个巨大的困难啊)，代码如下：

from sklearn import datasets,cluster
import matplotlib.pyplot as plt
wine_x,wine_y = datasets.load_wine(return_X_y=True)
k_means = cluster.KMeans(n_clusters=3)
fit = k_means.fit(wine_x)
labels = k_means.labels_
#这上面的基本上都是一句官网给出的
for index,point in enumerate(labels):
    if point == 0:
        plt.plot(index,point,'c^')
    elif point == 1:
        plt.plot(index,point,'b8')
    else:
        plt.plot(index,point,'mp')
plt.show()
#这是我将聚簇的结果可视化了一下

 嘿嘿，我的技术水平不高，大家就凑合看吧。我来解释一下，相同的类放在一起，从图中我们可以看出，横坐标相邻且值一样的，是同一种鸢尾花，而横坐标相邻但是值不一样的那些(穿插其中的)，那些要不就不是同一类，要么就是聚簇的结果错了。总的来说效果还是很好的。

后间有一些我没看懂的，大家就自己去学习吧。因为我怕误导你们，抱歉。