本文介绍了Python中KMeans聚类算法的基本步骤，包括选择类别数目k，不断迭代寻找最近中心点进行聚类。通过实例分析，展示了如何使用sklearn库处理数据并进行聚类。此外，还分享了Python学习资源，包括学习路线、视频教程、项目实践、电子书和知识点总结，助力读者提升Python技能。
-
基本的步骤为：
-
step1：选定要聚类的类别数目k
-
step2：针对每个样本点，找到距离其最近的中心点，距离同一中心点最近的点为一个类，这样完成了一次聚类。
-
step3：针对每个类别中的样本点，计算这些样本点的中心点，当做该类的新的中心点，继续step2。
实际案例分析
from sklearn.cluster import KMeans
df= pd.read_csv(‘data.csv’)
df.head()
df.info()
df.isnull().sum()
可以看到，当前数据200行5列，包含用户ID,性别,年龄,年收入,支出没有空数据，将列名称设置为中文，方便查阅（emmmm 果然换成中文瞅着顺眼多了ÿ
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
