【K-Means】鸢尾花的分类聚类

最新推荐文章于 2024-05-06 23:56:43 发布
最新推荐文章于 2024-05-06 23:56:43 发布
阅读量1.9w 收藏 68
点赞数 7
分类专栏： 数模
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wu_yihao/article/details/17101475
版权

鸢尾花的分类聚类

现有若干鸢尾花的数据，每朵鸢尾花有4个数据，分别为萼片长（单位：厘米）、萼片宽（单位厘米）、花瓣长度（单位厘米）和花瓣宽（单位厘米）。我们希望能找到可行的方法可以按每朵花的4个数据的差异将这些鸢尾花分成若干类，让每一类尽可能的准确，以便帮助植物专家对这些花进行进一步的分析。


这是一道数模入门题目。

无指导聚类。用K-Means算法，最简单的欧式距离，最简单的平均位置计算方法，然而效果已经很好。

可视化采用平行坐标轴法，并手动调整了主次。


第一次用Matlab，颠覆了思维，感觉是对以前的程式化的思维的一个强力冲击。使用上比C++简洁很多很多。强烈渴望继续学习下去。

main.m:


                

        

        

    




        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  dnldnth
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                    7
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    68
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          










                



	

		

			

				
					
K-means聚类分析(鸢尾花)

				
			

			

				

					qq_54452916的博客
				

				

					11-12
					
					6710
					
				

			

		

		

			
				
一、实验原理

k-means算法是最为经典的基于划分的聚簇方法，是十大经典数据挖掘算法之一。简单地说k-means就是在没有任何监督信号的情况下将数据分为k份的一种方法。k-means算法的基本思想为：在数据集中根据一定策略选择k个点作为每个簇的初始中心，然后观察剩余的数据，将数据划分到距离这k个点最近的簇中，也就是说将数据划分成k个簇完成一次划分，但形成的新簇并不一定是最好的划分，因此生成的新簇中，重新计算每个簇的中心点，然后在重新进行划分，直到每次划分的结果保持不变。

算法步骤如下：...

			
		

	



                

              
                



	

		

			

				
					
kmeans鸢尾花分类python代码_python机器学习基础教程：鸢尾花分类

				
			

			

				

					weixin_39671509的博客
				

				

					11-29
					
					480
					
				

			

		

		

			
				
首先导入必要的库：import numpy as npimport matplotlib.pyplot as pltimport pandas as pdimport mglearn复制代码from sklearn.datasets import load_irisiris_dataset = load_iris()复制代码load_iris 返回的 iris 对象是一个Bunch对象，与字典非常...

			
		

	



                


  
              

                


	

		

			

				
					
基于k-means实现鸢尾花聚类

					
热门推荐

				
			

			

				

					褪色的博客
				

				

					05-15
					
					1万+
					
				

			

		

		

			
				
与有监督学习相比，无监督学习的样本没有任何标记。无监督学习的算法需要自动找到这些没有标记的数据里面的数据结构和特征。
对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇，让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大

			
		

	





	

		

			

				
					
基于鸢尾花数据集的四种聚类算法（kmeans，层次聚类，DBSCAN,FCM）和学习向量量化对比

					
最新发布

				
			

			

				

					weixin_43327597的博客
				

				

					05-06
					
					801
					
				

			

		

		

			
				
基于鸢尾花数据集的聚类分析

			
		

	



		

			
		



	

		

			

				
					
K-means聚类算法、Pandas绘制概率密度图和TSNE展示聚类结果

				
			

			

				

					watermelon12138的博客
				

				

					01-19
					
					1万+
					
				

			

		

		

			
				
K-means聚类算法是典型的基于距离的非层次聚类算法，在最小化误差函数的基础上将数据划分为预定的K个类，使得K个类达到类内数据距离之和最小而类间距离之和最大。它是无监督学习算法，采用距离作为相似性的度量指标，即认为两个对象距离越近，其相似性就越大。
1、数据类型与相似性度量
(1)连续属性和离散属性数据
对于连续属性，要依次对每个属性的属性值进行零-均值化处理；对于离散属性，要依次对每个属性的属...

			
		

	





	

		

			

				
					
c++实现K-means聚类算法（模式识别课设）

				
			

			

				

					lsjweiyi的博客
				

				

					06-28
					
					2005
					
				

			

		

		

			
				
原理网上很多，我随便找两篇作为参考： 
原理介绍计算法实现：http://blog.csdn.net/qll125596718/article/details/8243404 
算法质量提高分析：http://blog.csdn.net/suibianshen2012/article/details/51584537代码里写了很多注释，就不解释了#include<iostream>
using na

			
		

	





	

		

			

				
					
【K-means聚类算法】实现鸢尾花聚类

				
			

			

				

					你误入了一条咸鱼的博客
				

				

					11-07
					
					1880
					
				

			

		

		

			
				
K-means聚类算法实现鸢尾花聚类

			
		

	





	

		

			

				
					
k - means聚类分析算法

				
			

			

				

					06-21
				

			

		

		

			
				
k - means聚类分析算法Python实现,并以鸢尾花数据集为例进行聚类演示

			
		

	





	

		

			

				
					
高质量源码_spectral_k-means聚类算法_鸢尾花数据分类_手写数字识别_

				
			

			

				

					10-02
				

			

		

		

			
				
k-means聚类算法，spectral clustering，手写数字识别，数据分类

			
		

	





	

		

			

				
					
k_means聚类算法和配套测试鸢尾花数据集

				
			

			

				

					09-02
				

			

		

		

			
				
包括两个文件，kmeans聚类算法cpp文件，和用于测试的鸢尾花数据集txt文件，代码带详细注释，简洁明了，下载之后马上可以进行测试

			
		

	





	

		

			

				
					
K-means聚类分析（Iris数据集）模式识别

				
			

			

				

					01-15
				

			

		

		

			
				
数据集：Iris数据集
 (http://archive.ics.uci.edu/ml/datasets/Iris)
数据描述：Iris数据集包含150个鸢尾花模式样
本，其中 每个模式样本采用5维的特征描述
利用所学K-means聚类分析方法，对
Iris数据集进行聚类分析，并利用已知的样本类别标
签进行聚类分析评价

			
		

	





	

		

			

				
					
k-means聚类算法

				
			

			

				

					04-26
				

			

		

		

			
				
聚类分析又称群分析，它是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类(Cluster)分析是由若干模式(Pattern)组成的，通常，模式是一个度量...该文件包含了k-means等几类聚类算法

			
		

	





	

		

			

				
					
【模式识别】C++实现K-means算法

				
			

			

				

					qq_50688324的博客
				

				

					12-04
					
					3200
					
				

			

		

		

			
				
一、问题描述

试用K均值法对如下模式分布进行聚类分析：

{x1(0, 0)，x2(3,8)，x3(2,2)，x4(1,1)，x5(5,3)，x6(4,8)，x7(6,3)，x8(5,4)，x9(6,4)，x10(7,5)}

二、算法介绍

对于本次算法程序，我将其分为以下几个部分：

1、变量定义：


...

			
		

	





	

		

			

				
					
K-means聚类算法实现鸢尾花聚类

				
			

			

				

					weixin_43902823的博客
				

				

					11-01
					
					3102
					
				

			

		

		

			
				
聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程，聚类就是一种发现这种内在结构的技术，聚类技术经常被称为无监督学习。k均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k，k由用户指定，k均值算法根据某个距离函数反复把数据分入k个聚类中。K-means算法是典型的基于距离（欧式距离、曼哈顿距离）的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。,x_n)和y= (y_1,y_2,…

			
		

	





	

		

			

				
					
聚类分析：K-MEANS算法

				
			

			

				

					misikamikirto的博客
				

				

					06-13
					
					602
					
				

			

		

		

			
				
如果文末代码链接失效请将邮箱留言或者私信无监督问题：手里的数据没有标签
聚类：相似的东西分到一组
难点：如何评估，如何调参1.需要得到簇的个数，需要指定K值
2.质心：均值，即向量各维度取平均值
3.距离的度量：如如果要判断两个样本点是否相似，就看他们的欧式距离或者余弦相似度。在使用欧式距离时，需要先对数据进行标准化，归一化，让x和y的取值范围在比较小的范围内浮动。
4.优化目标：min∑i=1k∑cidist(ci,x)2min\sum_{i=1}^{k}\sum_{c_i}dist(c_i,x)^2mi

			
		

	





	

		

			

				
					
K-means聚类算法筛实现鸢尾花聚类

				
			

			

				

					Mr Harsh的博客
				

				

					11-11
					
					3071
					
				

			

		

		

			
				
def Model(n_clusters) : estimator = KMeans(n_clusters = n_clusters) # 构造聚类器 return estimator def train(estimator) : estimator . fit(X) # 聚类。

			
		

	





	

		

			

				
					
实践 | k-means聚类（使用鸢尾花数据集）

				
			

			

				

					jiangti_ng的博客
				

				

					03-21
					
					1万+
					
				

			

		

		

			
				
使用K-means聚类算法筛实现鸢尾花聚类鸢尾花数据集描述导入相关包直接从sklearn.datasets中加载数据集绘制二维数据分布图实例化K-means类&定义训练函数训练可视化展示
对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇，让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大
鸢尾花数据集描述

包含3种类型数据集，共150条数据
包含4项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度

导入相关包

import matplotlib.pyplot as plt
impo

			
		

	





	

		

			

				
					
k-means实现鸢尾花聚类

				
			

			

				

					07-20
				

			

		

		

			
				
好的，下面是K-means实现鸢尾花聚类的代码示例：  ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.cluster import KMeans from sklearn.datasets import load_...

			
		

	



              



  
“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

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
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
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
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