Kmeans代码及其可视化

最新推荐文章于 2024-06-05 09:57:58 发布

换一个不容易被看出来的名字

最新推荐文章于 2024-06-05 09:57:58 发布

阅读量1.1k

点赞数

文章标签： kmeans python 机器学习

本文链接：https://blog.csdn.net/rice_balls_/article/details/126037856

版权

本文探讨了KMeans聚类算法的实现过程，并重点展示了算法的可视化效果，帮助读者更好地理解KMeans的工作原理。

摘要由CSDN通过智能技术生成

import numpy as np
import os
import matplotlib
import matplotlib.pyplot as plt
import warnings

warnings.filterwarnings('ignore')

plt.rcParams['axes.labelsize'] = 14
plt.rcParams['xtick.labelsize'] = 12
plt.rcParams['ytick.labelsize'] = 12
np.random.seed(42)

from sklearn.datasets import make_blobs

# 指定五个中心，构造数据
blob_centers = np.array(
    [[0.2, 2.3],
     [-1.5, 2.3],
     [-2.8, 1.8],
     [-2.8, 2.8],
     [-2.8, 1.3]])
blob_std = np.array([0.4, 0.3, 0.1, 0.1, 0.1])  # 发散程度不那么大
# 样本个数，中心点，发散程度
x, y = make_blobs(n_samples=2000,
                  centers=blob_centers,
                  cluster_std=blob_std,
                  random_state=7)


# print(x,y)
def plot_clusters(x, y=None):
    plt.scatter(x[:, 0], x[:, 1], c=y, s=1)
    plt.xlabel('$x_1$', fontsize=14)
    plt.ylabel('$x_2$', fontsize=14, rotation=0)


#