K均值算法

1). 扑克牌手动演练k均值聚类过程:>30张牌,3类

第一次聚类中心为3,7,11

K均值算法

第二次聚类中心为(2,7,12)

 K均值算法

第三次的聚类中心(3,7,11),重复步骤还是如此,最终聚类中心为(3,7,11)

3). 用sklearn.cluster.KMeans,鸢尾花花瓣长度数据做聚类,并用散点图显示.

import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
iris = load_iris().data
sl =iris[:,2]
X = sl.reshape(-1,1)
X.shape
est = KMeans(n_clusters=3)
est.fit(X)
est.predict([[3.5]])
y_kmeans = est.predict(X)
est.cluster_centers_
est.labels_
plt.scatter(X[:,0],X[:,0],c=y_kmeans,s=50,cmap="rainbow")
plt.show()

K均值算法

4). 鸢尾花完整数据做聚类并用散点图显示.

 

5).想想k均值算法中以用来做什么?

聚类能过帮助营销人员改善他们的客户群(在其目标区域内工作),并根据客户的购买历史、兴趣或活动监控来对客户类别做进一步细,对客户进行分类有助于公司针对特定客户群制定特定的广告。面向大众公开的乘车信息的数据集,为我们提供了大量关于交通、运输时间、高峰乘车地点等有价值的数据集。分析这些数据有助于我们对城市的交通模式进行深入的了解,来帮助我们做城市未来规划。

上一篇:Blender删除历史材质球未用材质球


下一篇:3.k均值算法