有勇氣的牛排
官方地址：
博客官網：www.920vip.net
程序員兼職接單：www920z.net

K-Means算法
是無監督的聚類算法
是很典型的基于 距離的 聚類 算法
如果在一次迭代前后，J的值沒有發生變化，說明算法已經收斂，結束迭代。

K值：要得到的簇的個數
質心：每個簇的均值向量，即向量各維取平均即可
距離量度：常用歐幾里得距離和余弦相似度（先標準化）

import numpy as np from sklearn.cluster import KMeans from sklearn.datasets import load_iris from sklearn.model_selection import train_test_splitif __name__ == '__main__':# 獲取測試數據dataset = load_iris()X = dataset.datay = dataset.targetXd_train, Xd_test, y_train, y_test = train_test_split(X, y, random_state=14)clf = KMeans(n_clusters=3, random_state=0).fit(Xd_train)# print(clf.labels_)y_predicted = clf.predict(Xd_test)# 準確率accuracy = np.mean(y_predicted == y_test) * 100print("y_test ", y_test)print("y_predicted", y_predicted)print("accuracy:", accuracy)

總結

以上是生活随笔為你收集整理的K-means聚类的全部內容，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。