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
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。
评论(0)