2）. *自主编写K-means算法 ，以鸢尾花花瓣长度数据做聚类，并用散点图显示。
from sklearn.datasets import load_iris#导入鸢尾花数据集
import numpy as np
iris = load_iris()
data = iris['data']
data.shape
n = len(data)#样本个数
m = data.shape[1]#样本分类个数
k = 3#设置类中心
dist = np.zeros([n,k+1])#初始化矩阵
#1.选中心：
center = data[:k,:]#选取前面三个样本为初始类中心
center_new = np.zeros([k,m])
#2.求距离：
while True:
for i in range(n):
for j in range(k):
dist[i,j] = np.sqrt(sum((data[i,:]-center[j,:])**2))#求距离
dist[i,k] = np.argmin(dist[i,:k])#3.归类
for i in range(k):#4.求新类中心
index = dist[:,k]==i
center_new[i,:]= data[index,:].mean(axis = 0)
if np.all((center ==center_new)):#判断类中心是否和上一轮类中心相同
break#5.判定结束
else:
center = center_new#更新类中心
print('150个鸢尾花样本的归类：',dist[:,k])
import matplotlib.pyplot as plt
x = data[:,2]#花瓣长度
y = dist[:,k]#分好的组（类）
plt.scatter(x,y,c='g')
plt.scatter(x,y,c='g',alpha='0.6')
plt.show()
用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类，并用散点图显示.
鸢尾花完整数据做聚类并用散点图显示：
想想k均值算法中以用来做什么？
可以用来给能够测量具体数据的一组数据，根据数据进行分类，比如说根据西瓜的瓜蒂的长短来分类成几种西瓜。
翻译 朗读 复制 正在查询，请稍候…… 重试 朗读 复制 复制 朗读 复制 via 谷歌翻译（国内） 译