sklearn GMM

本文详细介绍了如何利用Python的sklearn库实现Gaussian Mixture Model (GMM)进行数据建模。通过实例展示了GMM在聚类和概率密度估计中的应用,并探讨了其参数调整对模型效果的影响。
摘要由CSDN通过智能技术生成
import requests
import numpy as np
复制代码
r = requests.get('http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data')
复制代码
with open('iris.data', 'w') as f:
    f.write(r.text)
复制代码
import pandas as pd


复制代码
data = pd.read_csv('iris.data', names =['e_cd', 'e_kd', 'b_cd', 'b_kd', 'cat'])
复制代码
data
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值