zoukankan html css js c++ java

Python3入门人工智能掌握机器学习深度学习提升实战能力4：机器学习之聚类

无监督学习

Kmeans-KNN-Meanshift

实战准备

Kmeans 实战

文件：data.csv 内容：

 1 #visualize the data and results
 2 #预测数据
 3 fig4 = plt.subplot(121) #一行两列中 在第一行中画图
 4 label0 = plt.scatter(x.loc[:,'V1'][y_predict==0],x.loc[:,'V2'][y_predict==0])
 5 label1 = plt.scatter(x.loc[:,'V1'][y_predict==1],x.loc[:,'V2'][y_predict==1])
 6 label2 = plt.scatter(x.loc[:,'V1'][y_predict==2],x.loc[:,'V2'][y_predict==2])
 7 
 8 plt.title("predict data")
 9 plt.xlabel("V1")
10 plt.ylabel("V2")
11 plt.legend((label0,label1,label2),('label0','label1','label2'))#题注：将数据分类并设置分类的名称
12 
13 plt.scatter(centers[:,0],centers[:,1])#根据数据表格的第一列与第二列找到中心点
14 
15 #原始数据
16 fig5 = plt.subplot(122) #一行两列中 在第二行中画图
17 label0 = plt.scatter(x.loc[:,'V1'][y==0],x.loc[:,'V2'][y==0])
18 label1 = plt.scatter(x.loc[:,'V1'][y==1],x.loc[:,'V2'][y==1])
19 label2 = plt.scatter(x.loc[:,'V1'][y==2],x.loc[:,'V2'][y==2])
20 
21 plt.title("labled data")
22 plt.xlabel("V1")
23 plt.ylabel("V2")
24 plt.legend((label0,label1,label2),('label0','label1','label2'))#题注：将数据分类并设置分类的名称
25 
26 plt.scatter(centers[:,0],centers[:,1])#根据数据表格的第一列与第二列找到中心点
27 
28 plt.show()

 1 #visualize the data and results (校正后的数据)
 2 #预测数据
 3 fig4 = plt.subplot(121) #一行两列中 在第一行中画图
 4 label0 = plt.scatter(x.loc[:,'V1'][y_corrected==0],x.loc[:,'V2'][y_corrected==0])
 5 label1 = plt.scatter(x.loc[:,'V1'][y_corrected==1],x.loc[:,'V2'][y_corrected==1])
 6 label2 = plt.scatter(x.loc[:,'V1'][y_corrected==2],x.loc[:,'V2'][y_corrected==2])
 7 
 8 plt.title("predict data")
 9 plt.xlabel("V1")
10 plt.ylabel("V2")
11 plt.legend((label0,label1,label2),('label0','label1','label2'))#题注：将数据分类并设置分类的名称
12 
13 plt.scatter(centers[:,0],centers[:,1])#根据数据表格的第一列与第二列找到中心点
14 
15 #原始数据
16 fig5 = plt.subplot(122) #一行两列中 在第二行中画图
17 label0 = plt.scatter(x.loc[:,'V1'][y==0],x.loc[:,'V2'][y==0])
18 label1 = plt.scatter(x.loc[:,'V1'][y==1],x.loc[:,'V2'][y==1])
19 label2 = plt.scatter(x.loc[:,'V1'][y==2],x.loc[:,'V2'][y==2])
20 
21 plt.title("labled data")
22 plt.xlabel("V1")
23 plt.ylabel("V2")
24 plt.legend((label0,label1,label2),('label0','label1','label2'))#题注：将数据分类并设置分类的名称
25 
26 plt.scatter(centers[:,0],centers[:,1])#根据数据表格的第一列与第二列找到中心点
27 
28 plt.show()

 1 #visualize the data and results (KNN数据)
 2 #预测数据
 3 fig6 = plt.subplot(121) #一行两列中 在第一行中画图
 4 label0 = plt.scatter(x.loc[:,'V1'][y_predict_knn==0],x.loc[:,'V2'][y_predict_knn==0])
 5 label1 = plt.scatter(x.loc[:,'V1'][y_predict_knn==1],x.loc[:,'V2'][y_predict_knn==1])
 6 label2 = plt.scatter(x.loc[:,'V1'][y_predict_knn==2],x.loc[:,'V2'][y_predict_knn==2])
 7 
 8 plt.title("knn results")
 9 plt.xlabel("V1")
10 plt.ylabel("V2")
11 plt.legend((label0,label1,label2),('label0','label1','label2'))#题注：将数据分类并设置分类的名称
12 
13 plt.scatter(centers[:,0],centers[:,1])#根据数据表格的第一列与第二列找到中心点
14 
15 #原始数据
16 fig7 = plt.subplot(122) #一行两列中 在第二行中画图
17 label0 = plt.scatter(x.loc[:,'V1'][y==0],x.loc[:,'V2'][y==0])
18 label1 = plt.scatter(x.loc[:,'V1'][y==1],x.loc[:,'V2'][y==1])
19 label2 = plt.scatter(x.loc[:,'V1'][y==2],x.loc[:,'V2'][y==2])
20 
21 plt.title("labled data")
22 plt.xlabel("V1")
23 plt.ylabel("V2")
24 plt.legend((label0,label1,label2),('label0','label1','label2'))#题注：将数据分类并设置分类的名称
25 
26 plt.scatter(centers[:,0],centers[:,1])#根据数据表格的第一列与第二列找到中心点
27 
28 plt.show()

 1 #visualize the data and results (Mshift的数据)
 2 #预测数据
 3 fig6 = plt.subplot(121) #一行两列中 在第一行中画图
 4 label0 = plt.scatter(x.loc[:,'V1'][y_predict_ms==0],x.loc[:,'V2'][y_predict_ms==0])
 5 label1 = plt.scatter(x.loc[:,'V1'][y_predict_ms==1],x.loc[:,'V2'][y_predict_ms==1])
 6 label2 = plt.scatter(x.loc[:,'V1'][y_predict_ms==2],x.loc[:,'V2'][y_predict_ms==2])
 7 
 8 plt.title("ms results")
 9 plt.xlabel("V1")
10 plt.ylabel("V2")
11 plt.legend((label0,label1,label2),('label0','label1','label2'))#题注：将数据分类并设置分类的名称
12 
13 plt.scatter(centers[:,0],centers[:,1])#根据数据表格的第一列与第二列找到中心点
14 
15 #原始数据
16 fig7 = plt.subplot(122) #一行两列中 在第二行中画图
17 label0 = plt.scatter(x.loc[:,'V1'][y==0],x.loc[:,'V2'][y==0])
18 label1 = plt.scatter(x.loc[:,'V1'][y==1],x.loc[:,'V2'][y==1])
19 label2 = plt.scatter(x.loc[:,'V1'][y==2],x.loc[:,'V2'][y==2])
20 
21 plt.title("labled data")
22 plt.xlabel("V1")
23 plt.ylabel("V2")
24 plt.legend((label0,label1,label2),('label0','label1','label2'))#题注：将数据分类并设置分类的名称
25 
26 plt.scatter(centers[:,0],centers[:,1])#根据数据表格的第一列与第二列找到中心点
27 
28 plt.show()

 1 #visualize the data and results (Mshift 校正后的数据)
 2 #预测数据
 3 fig6 = plt.subplot(121) #一行两列中 在第一行中画图
 4 label0 = plt.scatter(x.loc[:,'V1'][y_corrected_ms==0],x.loc[:,'V2'][y_corrected_ms==0])
 5 label1 = plt.scatter(x.loc[:,'V1'][y_corrected_ms==1],x.loc[:,'V2'][y_corrected_ms==1])
 6 label2 = plt.scatter(x.loc[:,'V1'][y_corrected_ms==2],x.loc[:,'V2'][y_corrected_ms==2])
 7 
 8 plt.title("ms corrected results")
 9 plt.xlabel("V1")
10 plt.ylabel("V2")
11 plt.legend((label0,label1,label2),('label0','label1','label2'))#题注：将数据分类并设置分类的名称
12 
13 plt.scatter(centers[:,0],centers[:,1])#根据数据表格的第一列与第二列找到中心点
14 
15 #原始数据
16 fig7 = plt.subplot(122) #一行两列中 在第二行中画图
17 label0 = plt.scatter(x.loc[:,'V1'][y==0],x.loc[:,'V2'][y==0])
18 label1 = plt.scatter(x.loc[:,'V1'][y==1],x.loc[:,'V2'][y==1])
19 label2 = plt.scatter(x.loc[:,'V1'][y==2],x.loc[:,'V2'][y==2])
20 
21 plt.title("labled data")
22 plt.xlabel("V1")
23 plt.ylabel("V2")
24 plt.legend((label0,label1,label2),('label0','label1','label2'))#题注：将数据分类并设置分类的名称
25 
26 plt.scatter(centers[:,0],centers[:,1])#根据数据表格的第一列与第二列找到中心点
27 
28 plt.show()

查看全文

相关阅读:
vs2015 系统找不到指定的文件（异常来自HRESULT:0x80070002）问题的解决方法
 Quartz定时任务和IIS程序池闲置超时时间冲突解决方案
 怎样设置IIS6.0的闲置超时时间
 C#窗体如何通过keybd_event()函数模拟键盘按键（组合键）产生事件
 安装完DevExpress14.2.5，如何破解它呢？
IIS6.0发布后对路径“D:xxxxxxxweb.config”的访问被拒绝问题的解决方法
 CentOS7 nginx+tomcat实现代理访问java web项目让项目支持jsp和php
col-xs , col-sm , col-md , col-lg是什么意思？什么时候用？
Linux 防火墙命令的操作命令CentOS
Linux(centos)新建，删除，移动，重命名文件夹和文件的命令

原文地址：https://www.cnblogs.com/liuxiaoming123/p/13657784.html

Python3入门人工智能 掌握机器学习 深度学习 提升实战能力4：机器学习之聚类

Python3入门人工智能掌握机器学习深度学习提升实战能力4：机器学习之聚类