【机器学习调包侠】K近邻聚类简明应用

首先,调包+导入数据,并进行初步处理,本文使用宏观消费数据,并根据cpi值(以100为界限)将数据分为两类。
#####调包
import sklearn
import mglearn
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

#######数据处理
df = pd.read_excel(r’C:\Users\14852\Desktop\consumption data.xls’)
for i in range(0,29,1):
if df.loc[i,‘cpi’]<=100: ##将cpi替换为两类(可生成新类别)
df.loc[i,‘cpi’] = 1
elif df.loc[i,‘cpi’]>100:
df.loc[i,‘cpi’] = 0
else:
print(1)
y = np.array(df[‘cpi’])
X = np.array(df.iloc[:,0:2])
df

在这里插入图片描述
######聚类过程
from sklearn.neighbors import KNeighborsC

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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