聚类实验（k-means/DBSCAN）

最新推荐文章于 2024-03-19 16:03:20 发布

TKE_aoliao

最新推荐文章于 2024-03-19 16:03:20 发布

阅读量819

点赞数 1

文章标签：大数据聚类算法 kmeans算法数据挖掘

本文链接：https://blog.csdn.net/surijing/article/details/105045059

版权

本文探讨了两种常用的聚类算法——K-Means和DBSCAN。K-Means通过迭代寻找固定数量的聚类中心，而DBSCAN则基于密度对数据进行聚类，无需预先设定类别数量。

摘要由CSDN通过智能技术生成

K-Means

#k-means
#导入k-means相关的库的方法
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
import numpy as np
from scipy.spatial.distance import pdist
from sklearn import metrics, preprocessing

data_path = "D:\\0322_test.csv"

# 读取数据文件
data_frame = pd.read_csv(data_path, encoding='gbk')

# 获取字段名
cols = list(data_frame.columns)

# 数据本身的散点图
def draw_scatter(x_label, y_label):
    # 绘图参数的设置
    plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
    plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
    plt.scatter(data_frame[x_label], data_frame[y_label])

    plt