sklearn聚类模型评估代码_sklearn建模及评估（聚类）

作为机器学习工具的

sklearn

，它主要作用是构建模型和评估。其主要的模型分为聚类、分类、回归等，而没有模型也有适应不同场景的多个算法。接下来我们从这几点进行简要总结。

1、聚类模型

聚类的输入是一组未被标记(所谓

target

值或

lable

)的样本，聚类根据数据自身的距离或相似度将它们划分为若干组。划分的原则是组内(内部)距离最小化，而组间(外部)距离最大化。sklearn提供的各种聚类方法有如下图所示：

聚类算法的实现需要

sklearn

的估计器(

Estimator

)，估计其拥有

fit

和

predict

两个方法。以

iris

数据为例，使用

sklearn

估计器构建

K-Means

聚类模型，其实例如下代码所示：

1.1 构建聚类模型代码

from sklearn.datasets import load_iris

from sklearn.preprocessing import MinMaxScaler

from sklearn.cluster import KMeans

iris = load_iris()

iris_data = iris['data'] ##提取数据集中的特征

iris_target = iris['target'] ## 提取数据集中的标签</