使用K-means算法进行数据聚类
已知数据集(dataforkmeans.txt)共有104个样本数据,每个样本数据包含两个特征x和y。 要求对数据集进行以下聚类分析:
1、读取dataforkmeans.txt文件
2、利用散点图查看数据的分布
3、使用k均值对数据进行聚类:显示聚类结果、聚类中心点
4、使用散点图显示聚类结果
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
data = np.genfromtxt('dataforkmeans.txt', delimiter=' ')
data = data[~np.isnan(data).any(axis=1)]
x = data[:, 0]
y = data[:, 1]
plt.scatter(x, y)
plt.xlabel('Feature X')
plt.ylabel('Feature Y')
plt.title('Scatter Plot of Data')
plt.show()
# 定义要进行的聚类数量
k = 4
kmeans = KMeans(n_clusters=k)
kmeans.fit(data)
# 获取聚类标签
labels = kmeans.labels_
# 获取聚类中心点
cluster_centers = kmeans.cluster_centers_
print("Cluster Labels:", labels)
print("Cluster Centers:", cluster_centers)
plt.scatter(x, y, c=labels)
plt.scatter(cluster_centers[:, 0], cluster_centers[:, 1], c='red', marker='*', s=100)
plt.xlabel('Feature X')
plt.ylabel('Feature Y')
plt.title('K-means Clustering Results')
plt.show()