学生月上网时间分布-TestData

Python机器学习应用 | 【第一周】无监督学习 - weixin_42906066的博客 - CSDN博客
https://blog.csdn.net/weixin_42906066/article/details/81867175

前置课程没有听，科学计算numpy和matlib画图（shuf）等在硬盘里，看一下会很方便进度。

 

 

 

 

 

=========

1. import numpy as np
2. import sklearn.cluster as skc
3. from sklearn import metrics
4. import matplotlib.pyplot as plt
5.  
6.  
7. mac2id=dict()
8. onlinetimes=[]
9. f=open('TestData.txt',encoding='utf-8')
10. for line in f:
11.     mac=line.split(',')[2]
12.     onlinetime=int(line.split(',')[6])
13.     starttime=int(line.split(',')[4].split(' ')[1].split(':')[0])
14.     if mac not in mac2id:
15.         mac2id[mac]=len(onlinetimes)
16.         onlinetimes.append((starttime,onlinetime))
17.     else:
18.         onlinetimes[mac2id[mac]]=[(starttime,onlinetime)]
19. real_X=np.array(onlinetimes).reshape((-1,2))
20.  
21. X=real_X[:,0:1]
22.  
23. db=skc.DBSCAN(eps=0.01,min_samples=20).fit(X)
24. labels = db.labels_
25.  
26. print('Labels:')
27. print(labels)
28. raito=len(labels[labels[:] == -1]) / len(labels)
29. print('Noise raito:',format(raito, '.2%'))
30.  
31. n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
32.  
33. print('Estimated number of clusters: %d' % n_clusters_)
34. print("Silhouette Coefficient: %0.3f"% metrics.silhouette_score(X, labels))
35.  
36. for i in range(n_clusters_):
37.     print('Cluster ',i,':')
38.     print(list(X[labels == i].flatten()))
39.      
40. plt.hist(X,24)

转载于:https://www.cnblogs.com/wanghui626/p/10362028.html