#?-*-?coding:?utf-8?-*-

from?sklearn.cluster?import?KMeans

from?sklearn.externals?import?joblib

import?numpy

final?=?open('c:/test/final.dat'?,?'r')

data?=?[line.strip().split('\t')?for?line?in?final]

feature?=?[[float(x)?for?x?in?row[3:]]?for?row?in?data]

#調用kmeans類

clf?=?KMeans(n_clusters=9)

s?=?clf.fit(feature)

print?s

#9個中心

print?clf.cluster_centers_

#每個樣本所屬的簇

print?clf.labels_

#用來評估簇的個數是否合適，距離越小說明簇分的越好，選取臨界點的簇個數

print?clf.inertia_

#進行預測

print?clf.predict(feature)

#保存模型

joblib.dump(clf?,?'c:/km.pkl')

#載入保存的模型

clf?=?joblib.load('c:/km.pkl')

'''

#用來評估簇的個數是否合適，距離越小說明簇分的越好，選取臨界點的簇個數

for?i?in?range(5,30,1):

clf?=?KMeans(n_clusters=i)

s?=?clf.fit(feature)

print?i?,?clf.inertia_

'''

總結

以上是生活随笔為你收集整理的python聚类分析sklearn_如何使用sklearn k-mean对数据进行聚类分析?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。