k-means

屬于非監(jiān)督學(xué)習(xí)(unsupervised learning)

聚類：把數(shù)據(jù)分成多少個(gè)類別

1.聚類的過程

? ?例如：? ? k等于幾就相當(dāng)于分幾類

1、隨機(jī)設(shè)置K個(gè)特征空間內(nèi)的點(diǎn)作為初始的聚類中心

2、對(duì)于其他每個(gè)點(diǎn)計(jì)算到K個(gè)中心的距離，未知的點(diǎn)選擇最近的一個(gè)聚類

中心點(diǎn)作為標(biāo)記類別

3、接著對(duì)著標(biāo)記的聚類中心之后，重新計(jì)算出每個(gè)聚類的新中心點(diǎn)（平

均值）

4、如果計(jì)算得出的新中心點(diǎn)與原中心點(diǎn)一樣，那么結(jié)束，否則重新進(jìn)行

第二步過程

2.K-means API

? ??sklearn.cluster.KMeans

?語法

? ? ??sklearn.cluster.KMeans(n_clusters=8,init=‘k-means++’)

? ? ? ? ??k-means聚類

? ? ? ? ??n_clusters:開始的聚類中心數(shù)量

? ? ? ? ??init:初始化方法，默認(rèn)為'k-means ++’

? ? ? ???labels_:默認(rèn)標(biāo)記的類型，可以和真實(shí)值比較（不是值比較）

后面繼續(xù)更新，只寫了一半?

?

總結(jié)

以上是生活随笔為你收集整理的机器学习(K-means聚类原理以及用法)的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。