python 은 K-Means 알고리즘 을 이용 하여 데이터 의 집합 사례 에 대한 상세 한 설명 을 실현 합 니 다.
1.해당 라 이브 러 리 설치
import matplotlib.pyplot as plt #
from sklearn.cluster import KMeans #
import pandas as pd #
2.집합 실현2.1 데이터 읽 기 및 시각 화
#
df = pd.read_excel("../data/output3.xls", header=0)
이번 실험 에 서 는 온도 와 CO2 를 2 차원 데이터 로 선 택 했 는데,그 중 온도 에 이상 데이터 가 들 어 있 었 다.
plt.scatter(df[" "], df["CO2"], linewidths=1, alpha=0.8)
plt.rcParams['font.sans-serif'] = ['SimHei'] # v
plt.xlabel(" ")
plt.ylabel("CO2")
plt.grid(color="#95a5a6", linestyle="--", linewidth=1, alpha=0.4)
plt.show()
2.2 K-means 집합
집합 할 분류 개 수 를 2 로 설정 합 니 다.
data = df[[" ","CO2"]] #
estimator = KMeans(n_clusters=2) #
estimator.fit(data) #
클 러 스 터 센터 의 값 과 클 러 스 터 탭 가 져 오기
label_pred = estimator.labels_ #
centers_ = estimator.cluster_centers_ #
분 류 된 label 0 과 label 1 의 데 이 터 를 출력 합 니 다.
x0 = data[label_pred == 0]
x1 = data[label_pred == 1]
plt.scatter(x0[" "], x0["CO2"],c="red", linewidths=1, alpha=0.8,marker='o', label='label0')
plt.scatter(x1[" "], 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()
모든 코드 첨부
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
import pandas as pd
df = pd.read_excel("../data/output3.xls", header=0)
plt.scatter(df[" "], df["CO2"], linewidths=1, alpha=0.8)
plt.rcParams['font.sans-serif'] = ['SimHei'] # v
plt.xlabel(" ")
plt.ylabel("CO2")
plt.grid(color="#95a5a6", linestyle="--", linewidth=1, alpha=0.4)
plt.show()
data = df[[" ","CO2"]]
estimator = KMeans(n_clusters=2) #
estimator.fit(data) #
label_pred = estimator.labels_ #
centers_ = estimator.cluster_centers_ #
# print(" ",label_pred)
# print(" ",centers_)
# predict = estimator.predict([[787.75862069, 1505]]) #
# print(predict)
x0 = data[label_pred == 0]
x1 = data[label_pred == 1]
plt.scatter(x0[" "], x0["CO2"],c="red", linewidths=1, alpha=0.8,marker='o', label='label0')
plt.scatter(x1[" "], 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 이 K-Means 알고리즘 을 이용 하여 데이터 에 대한 집합 을 실현 하 는 것 에 관 한 이 글 은 여기까지 소개 되 었 습 니 다.더 많은 python K-Means 알고리즘 데이터 의 집합 내용 은 우리 의 이전 글 을 검색 하거나 아래 의 관련 글 을 계속 조회 하 시기 바 랍 니 다.앞으로 많은 지원 을 바 랍 니 다!
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
로마 숫자를 정수로 또는 그 반대로 변환그 중 하나는 로마 숫자를 정수로 변환하는 함수를 만드는 것이었고 두 번째는 그 반대를 수행하는 함수를 만드는 것이었습니다. 문자만 포함합니다'I', 'V', 'X', 'L', 'C', 'D', 'M' ; 문자열이 ...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.