亚洲免费在线视频-亚洲啊v-久久免费精品视频-国产精品va-看片地址-成人在线视频网

您的位置:首頁技術文章
文章詳情頁

python利用K-Means算法實現對數據的聚類案例詳解

瀏覽:5日期:2022-06-21 08:18:43

目的是為了檢測出采集數據中的異常值。所以很明確,這種情況下的簇為2:正常數據和異常數據兩大類

1、安裝相應的庫

import matplotlib.pyplot as plt # 用于可視化from sklearn.cluster import KMeans # 用于聚類import pandas as pd # 用于讀取文件2、實現聚類2.1 讀取數據并可視化

# 讀取本地數據文件df = pd.read_excel('../data/output3.xls', header=0)

python利用K-Means算法實現對數據的聚類案例詳解

本次實驗選擇溫度CO2作為二維數據,其中溫度含有異常數據。

plt.scatter(df['光照'], df['CO2'], linewidths=1, alpha=0.8)plt.rcParams[’font.sans-serif’] = [’SimHei’] # 用來正常顯示中文標簽vplt.xlabel('光照')plt.ylabel('CO2')plt.grid(color='#95a5a6', linestyle='--', linewidth=1, alpha=0.4)plt.show()

python利用K-Means算法實現對數據的聚類案例詳解

2.2 K-means聚類

設置規定要聚的類別個數為2

data = df[['光照','CO2']] # 從原始數據中選擇該兩項estimator = KMeans(n_clusters=2) # 構造聚類器estimator.fit(data) # 將數據帶入聚類模型

獲取聚類中心的值和聚類標簽

label_pred = estimator.labels_ # 獲取聚類標簽centers_ = estimator.cluster_centers_ # 獲取聚類中心

將聚類后的 label0 和 label1 的數據進行輸出

x0 = data[label_pred == 0]x1 = data[label_pred == 1]plt.scatter(x0['光照'], x0['CO2'],c='red', linewidths=1, alpha=0.8,marker=’o’, label=’label0’)plt.scatter(x1['光照'], x1['CO2'],c='green', linewidths=1, alpha=0.8,marker=’+’, label=’label1’)plt.grid(c='#95a5a6', linestyle='--', linewidth=1, alpha=0.4)plt.legend()plt.show()

python利用K-Means算法實現對數據的聚類案例詳解

附上全部代碼

import matplotlib.pyplot as pltfrom sklearn.cluster import KMeansimport pandas as pddf = pd.read_excel('../data/output3.xls', header=0)plt.scatter(df['光照'], df['CO2'], linewidths=1, alpha=0.8)plt.rcParams[’font.sans-serif’] = [’SimHei’] # 用來正常顯示中文標簽vplt.xlabel('光照')plt.ylabel('CO2')plt.grid(color='#95a5a6', linestyle='--', linewidth=1, alpha=0.4)plt.show()data = df[['光照','CO2']]estimator = KMeans(n_clusters=2) # 構造聚類器estimator.fit(data) # 聚類label_pred = estimator.labels_ # 獲取聚類標簽centers_ = estimator.cluster_centers_ # 獲取聚類結果# print('聚類標簽',label_pred)# print('聚類結果',centers_)# predict = estimator.predict([[787.75862069, 1505]]) # 測試新數據聚類結果# print(predict)x0 = data[label_pred == 0]x1 = data[label_pred == 1]plt.scatter(x0['光照'], x0['CO2'],c='red', linewidths=1, alpha=0.8,marker=’o’, label=’label0’)plt.scatter(x1['光照'], x1['CO2'],c='green', linewidths=1, alpha=0.8,marker=’+’, label=’label1’)plt.grid(c='#95a5a6', linestyle='--', linewidth=1, alpha=0.4)plt.legend()plt.show()

到此這篇關于python利用K-Means算法實現對數據的聚類的文章就介紹到這了,更多相關python K-Means算法數據的聚類內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網!

標簽: Python 編程
相關文章:
主站蜘蛛池模板: 成人区在线观看免费视频 | 国产成人艳妇在线观看 | 午夜视频久久 | 亚洲一区二区三区一品精 | 国产亚洲精品久久精品6 | 亚洲欧洲日韩综合色天使不卡 | 美女被免费网站在线视频软件 | 久久这里只有精品视频99 | 国产精品久久久 | 一本久道综合久久精品 | 午夜三级a三级三点在线观看 | 亚洲精品98久久久久久中文字幕 | 加勒比一本大道香蕉在线视频 | 国产日韩欧美三级 | 日韩一级伦理片 | 乱码在线中文字幕加勒比 | 欧美一级毛片免费高清aa | 大桥未久在线精品视频在线 | 免费观看黄色毛片 | 国产精品亚洲片在线观看不卡 | 成年女人毛片免费视频 | 在线观看二区三区午夜 | 日本www高清| 国产成人夜间影院在线观看 | 久久―日本道色综合久久 | 久久成人视 | 日本美女黄网站 | 精品国产91久久久久久久a | 色综合久久91 | 国产成人精品免费视频大全可播放的 | 国产精品免费看久久久香蕉 | 一级特级毛片 | 欧美一级久久 | 欧美男人操女人 | 二区三区在线观看 | 亚洲社区在线观看 | 91久久香蕉 | 国产在视频线在精品 | 俄罗斯aaaa一级毛片 | 亚洲在线视频一区 | 欧美成人午夜片一一在线观看 |