（八）K-means聚类及可视化-采用不同的初始值比较[机器学习代码]

最新推荐文章于 2023-12-12 20:27:06 发布

Windalove

最新推荐文章于 2023-12-12 20:27:06 发布

阅读量830

点赞数 2

分类专栏：机器学习笔记文章标签：机器学习

本文链接：https://blog.csdn.net/weixin_44972997/article/details/118600362

版权

这篇博客探讨了K-means聚类算法在不同初始值下的效果，通过实例展示了采用(2.1,0)，(4.1,0), (5,0)等不同初始中心时，聚类结果的变化。结论强调了初始值选择的重要性，通常采用k-means++算法以优化结果的稳定性和准确性。" 131315031,5891101,PyQt5高级教程：QTableView深度解析,"['Python', 'GUI开发', 'Qt']

摘要由CSDN通过智能技术生成

    机器学习课程总结，本系列文章以代码和注释为主。
    理论部分搬至博客上比较耗费时间，所以缺少理论部分。但是也欢迎大家一起探讨学习。
    如果需要理论部分的讲义，可私信（个人觉的讲的很好很全）。

问题需求

现有如下样本：

(0,0), (2,1),(2,-1), (2.1,0)，(4.1,0), (5,0)

请分别使用如下初始值利用K-means求解聚类中心，其中类别数k=3。

1、(2.1,0)，(4.1,0), (5,0)

2、(0,0), (2.1,0)，(4.1,0)

3、(0,0), (4.1,0), (5,0)

你发现了什么问题？能够得到什么结论？

代码

在这里插入图片描述

# -*- coding: utf-8 -*-#
# Author: xhc
# Date:    2021-05-18 20:33
# project:  0518
# Name:    k-mean.py



from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
X = np.array([[0,0],[2,1],[2,-1],[2.1,0],[4.1,0],[5,0]])
shape1=np.array([[2.1,