import numpy as npimport matplotlibpyplot as pltfrom sklearncluster import KMeans# 生成数据nprandomseed0X = nprandomrandn100 2# 划分聚类算法kmeans = KMeansn_clusters=3kmeansfitX# 绘制结果图pltscatterX 0 X 1 c=kmeans
- 导入必要的库：numpy、matplotlib.pyplot和sklearn.cluster中的KMeans。
- 生成数据：使用numpy.random.randn()函数生成100个二维随机数。
- 初始化KMeans算法：使用KMeans()函数，将n_clusters参数设置为3，表示要将数据分为3个簇。
- 训练KMeans算法：使用fit()函数训练KMeans算法，将数据X作为输入。
- 绘制结果图：使用matplotlib.pyplot库中的scatter()函数绘制数据点，将KMeans算法的标签作为颜色参数传递；使用scatter()函数再次绘制KMeans算法的聚类中心，将其标记为“X”，设置颜色为红色。
- 显示结果图：使用show()函数显示绘制的结果图。
原文地址: https://www.cveoy.top/t/topic/bMGR 著作权归作者所有。请勿转载和采集!