聚類模型的訓練

聚類模型最重要的就是（K-means）

KMeans算法的基本思想如下：

隨機選擇K個點作為初始質心

While 簇發生變化或小于最大迭代次數：
將每個點指派到最近的質心，形成K個簇 重新計算每個簇的質心

圖中有3個初始質點，形成的3個簇，再計算每個簇的質心，比較差別

# 生成數據 make_blobs import numpy as np import pandas as pd %matplotlib inline import matplotlib from sklearn.datasets.samples_generator import make_blobs center=[[1,1],[-1,-1],[1,-1]] cluster_std=0.3 X,labels=make_blobs(n_samples=200,centers=center,n_features=2, cluster_std=cluster_std,random_state=0) print('X.shape',X.shape) print("labels",set(labels)) df = pd.DataFrame(np.c_[X,labels],columns

總結

以上是生活随笔為你收集整理的sklearn模型的训练(下）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。