zoukankan      html  css  js  c++  java
  • k-means 非监督学习聚类算法

    非监督学习

    非监督学习没有历史样本数据和标签,直接对数据分析或得结果。

    k-means 使用

    >>> from sklearn.cluster import KMeans
    >>> import numpy as np
    >>> X = np.array([[1, 2], [1, 4], [1, 0],
    ...               [4, 2], [4, 4], [4, 0]])
    >>> kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
    >>> kmeans.labels_
    array([0, 0, 0, 1, 1, 1], dtype=int32)
    >>> kmeans.predict([[0, 0], [4, 4]])
    array([0, 1], dtype=int32)
    >>> kmeans.cluster_centers_
    array([[ 1.,  2.],
           [ 4.,  2.]])
    

    k-means重要参数

    1. n_clusters 估计聚类的数量
    2. n_init k-means算法基于不同中心点运行的次数
    3. max_tier k-means一次运行的迭代次数,默认300,通常不到300就结束了
  • 相关阅读:
    路由策略
    ospf 路由汇总
    OSPF type1 2
    ospf
    TCP 六种标识位
    raid 10 与 01
    SNMP协议
    ffmpeg剪切视频
    ubuntu18安装sbt
    服务器Ubuntu18重启后宝塔访问不了
  • 原文地址:https://www.cnblogs.com/james0/p/7927641.html
Copyright © 2011-2022 走看看