Python kmeans聚类的使用

1、用kmeans分为五个聚类，每个聚类内部的数据为一个list，五个list组成聚类中心。

k=5#聚类中心数
kmeans_model=KMeans(n_clusters=k,n_jobs=4,random_state=123)
#聚类中心数，并行的CPU核的数量，随机数种子
fit_kmeans=kmeans_model.fit(airline_scale)#模型训练
print(kmeans_model.cluster_centers_)#查看聚类中心
print(kmeans_model.labels_)#查看样本的类别标签

2、label显示按照kmeans划分之后每个数据属于哪个聚类。

#统计不同类别样本的数目
r1=pd.Series(kmeans_model.labels_).value_counts()
print('最终每个类别的数目为：\n',r1)
result=kmeans_model.predict([[1.5,1.5,1.5,1.5,1.5]])
print(result)
#最终确定在五个参数都是1.5的情况下的用户属于类别1
3\r1显示每个聚类内部的元素个数，同时测试一组特定特征值的数据会被分配到哪个组中。

以上就是Python kmeans聚类的使用，希望对大家有所帮助。更多Python学习指路：python基础教程

本文教程操作环境：windows7系统、Python 3.9.1，DELL G3电脑。

课程教程：Python kmeans聚类的使用

内容版权声明：除非注明，否则皆为本站转载文章。文章及图片版权归原作者所有，如有侵权请联系我们，我们立刻删除。