kmeans学习笔记轮廓系数以及使用KMeans做矢量量化

最新推荐文章于 2024-06-29 22:27:31 发布

weixin_45271076

最新推荐文章于 2024-06-29 22:27:31 发布

阅读量2k

点赞数 1

本文链接：https://blog.csdn.net/weixin_45271076/article/details/118154294

版权

在这里插入图片描述

from sklearn.cluster import KMeans
cluster=KMeans(n_clusters=3,random_state=0).fit(X)
y_pred=cluster.labels_
color=["red","pink","orange","gray"]
#根据聚类结果画图
fig,ax1=plt.subplots(1)
for i in range(3):
    ax1.scatter(X[y_pred==i,0],X[y_pred==i,1]
               ,marker='o'
               ,s=8,
               c=color[i])
 
ax1.scatter(cluster.cluster_centers_[:,0],cluster.cluster_centers_[:,1]
           ,marker="x"
           ,s=20,
            c="black"
        )
plt.show()

在这里插入图片描述

#聚类算法的模型评估指标
#轮廓系数是对每一个样本而言的，不是针对某一簇而言
from sklearn.metrics import silhouette_samples
from sklearn.metrics import silhouette_score
cluster=KMeans(n_clusters=4,random_state=0).fit(X)
y_pred=cluster.labels_
silhouette_score(X,y_pred)

在这里插入图片描述