3.K均值算法

1）. 扑克牌手动演练k均值聚类过程：>30张牌，3类

31张牌，随机抽了3张K、10、5然后进行k均值聚类（分3类）

 

K、10、5 —> K、9、4

 

K、9、4 —> K、9、3（分类完毕）

 

3）. 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类，并用散点图显示.

import matplotlib.pyplot as plt

import numpy as np

from sklearn.cluster import KMeans

from sklearn.datasets import load_iris

iris = load_iris()

sl=iris.data[:,1]

X=sl.reshape(-1,1)

a = KMeans(n_clusters=3)

a.fit(X)

y_kmeans = a.predict(X)#预测每个样本的聚类索引

plt.scatter(X[:, 0], X[:, 0], c=y_kmeans, s=50, cmap='rainbow',marker='x');

plt.show()

 

4）. 鸢尾花完整数据做聚类并用散点图显示.

import matplotlib.pyplot as plt

from sklearn.cluster import KMeans

from sklearn.datasets import load_iris

data = load_iris()

X1 =iris.data#数据

a1=KMeans(n_clusters=3) #配置,构造

a1.fit(X1)#训练

y_kmeans1 = a1.predict(X1) #预测

y_kmeans = a.predict(X)#预测每个样本的聚类索引

plt.scatter(X1[:, 2], X1[:, 3], c=y_kmeans, s=50, cmap='rainbow',alpha=0.5,marker='*');

plt.show()

 

5）.想想k均值算法中以用来做什么？

　可以通过k均值算法进行库存分类，例如按销售活动分组库存或者按制造指标对库存进行分组，也可以用来识别不同类型的癌症特征。