python聚类代码_python分组聚合

python聚类代码_python分组聚合在 Python 中 您可以使用 scikit learn 库来完成聚类任务 以下是使用 K means 算法和层次聚类算法进行聚类的示例代码 K means 聚类 pythonfrom sklearn cluster import KMeansimport numpy as np 生成随机数据集 X np random rand 100 2 创建 KMeans 对象

在Python中,您可以使用`scikit-learn`库来完成聚类任务。以下是使用K-means算法和层次聚类算法进行聚类的示例代码:

K-means聚类

 from sklearn.cluster import KMeans import numpy as np 生成随机数据集 X = np.random.rand(100, 2) 创建KMeans对象,指定簇数K=3 kmeans = KMeans(n_clusters=3) 训练模型,并进行聚类 kmeans.fit(X) 获取聚类结果 labels = kmeans.labels_ centers = kmeans.cluster_centers_ print("簇标签:", labels) print("簇中心:", centers) 

层次聚类

 from scipy.cluster.hierarchy import linkage, dendrogram import numpy as np import matplotlib.pyplot as plt 生成随机数据集 X = np.array([[1, 2], [2, 2], [2, 3], [4, 5], [5, 6], [7, 8]]) 创建linkage对象,指定距离度量方式为欧几里得距离,并指定簇数K=3 Z = linkage(X, method='ward') 绘制树形图(谱系图)来可视化聚类结果 plt.figure(figsize=(10, 6)) dendrogram(Z) plt.title('Hierarchical Clustering Dendrogram') plt.xlabel('Sample Index') plt.ylabel('Distance') plt.show() 

在上述代码中,`KMeans`类用于执行K-means算法,而`linkage`函数用于执行层次聚类算法。您可以根据需要调整参数,例如`n_clusters`来指定要分成的簇数,以及`method`参数来选择不同的距离度量方式。

编程小号
上一篇 2024-12-22 22:23
下一篇 2024-12-22 22:20

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://sigusoft.com/bj/146142.html