kmeanssklearn实例_sklearn实践（一）：kmeans聚类

sklearn实践(一)：kmeans聚类

实践往往比理论要经历更多的挫折。

一、数据处理

官方给的案例里用的都是sklearn自带的数据集，只要import之后便万事大吉，但实际中我们采用的数据往往没有那么规整，也不是可以一下就fit到模型里去的。经过这次经历，打算整理一下大致思路，关于更高级、深入的数据处理，这篇文章不会涉及。

官方案例如下：

>>> from sklearn.cluster import KMeans

>>> import numpy as np

>>> X = np.array([[1, 2], [1, 4], [1, 0],

... [10, 2], [10, 4], [10, 0]])

#其中，X即fit的参数可推断，应当是这种np.array

>>> kmeans = KMeans(n_clusters=2, random_state=0).fit(X)

>>> kmeans.labels_

array([1, 1, 1, 0, 0, 0], dtype=int32)

#labels_表示样本集中所有样本所属类别(x=1->No.1;x=2->No.1;x=3->No.1;x=4->No.0)

>>> kmeans.predict([[0, 0], [12, 3]])

array([1, 0], dtype=int32)

#以二维数组格式[x,y]输入predict,可输出判断类别结果

>>> kmean