这篇文章主要介绍了python利用K-Means算法实现对数据的聚类，本文通过案例讲解的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
目的是为了检测出采集数据中的异常值。所以很明确，这种情况下的簇为2：正常数据和异常数据两大类
1、安装相应的库
import matplotlib.pyplot as plt # 用于可视化 from sklearn.cluster import KMeans # 用于聚类 import pandas as pd # 用于读取文件
2、实现聚类
2.1 读取数据并可视化
# 读取本地数据文件 df = pd.read_excel("../data/output3.xls", header=0)
本次实验选择温度和CO2作为二维数据,其中温度含有异常数据。
plt.scatter(df["光照"], df["CO2"], linewidths=1, alpha=0.8) plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签v plt.xlabel("光照") plt.ylabel("CO2") plt.grid(color="#95a5a6", linestyle="--", linewidth=1, alpha=0.4) plt.show()
2.2 K-means聚类
设置规定要聚的类别个数为2
data = df[["光照","CO2"]] # 从原始数据中选择该两项 estimator = KMeans(n_clusters=2) # 构造聚类器 estimator.fit(data) # 将数据带入聚类模型
获取聚类中心的值和聚类标签
label_pred = estimator.labels_ # 获取聚类标签 centers_ = estimator.cluster_centers_ # 获取聚类中心
将聚类后的 label0 和 label1 的数据进行输出
x0 = data[label_pred == 0] x1 = data[label_pred == 1] plt.scatter(x0["光照"], x0["CO2"],c="red", linewidths=1, alpha=0.8,marker='o', label='label0') plt.scatter(x1["光照"], x1["CO2"],c="green", linewidths=1, alpha=0.8,marker='+', label='label1') plt.grid(c="#95a5a6", linestyle="--", linewidth=1, alpha=0.4) plt.legend() plt.show()
附上全部代码
import matplotlib.pyplot as plt from sklearn.cluster import KMeans import pandas as pd df = pd.read_excel("../data/output3.xls", header=0) plt.scatter(df["光照"], df["CO2"], linewidths=1, alpha=0.8) plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签v plt.xlabel("光照") plt.ylabel("CO2") plt.grid(color="#95a5a6", linestyle="--", linewidth=1, alpha=0.4) plt.show() data = df[["光照","CO2"]] estimator = KMeans(n_clusters=2) # 构造聚类器 estimator.fit(data) # 聚类 label_pred = estimator.labels_ # 获取聚类标签 centers_ = estimator.cluster_centers_ # 获取聚类结果 # print("聚类标签",label_pred) # print("聚类结果",centers_) # predict = estimator.predict([[787.75862069, 1505]]) # 测试新数据聚类结果 # print(predict) x0 = data[label_pred == 0] x1 = data[label_pred == 1] plt.scatter(x0["光照"], x0["CO2"],c="red", linewidths=1, alpha=0.8,marker='o', label='label0') plt.scatter(x1["光照"], x1["CO2"],c="green", linewidths=1, alpha=0.8,marker='+', label='label1') plt.grid(c="#95a5a6<strong style="color:transparent">来源gaodai#ma#com搞@@代~&码网</strong>", linestyle="--", linewidth=1, alpha=0.4) plt.legend() plt.show()
以上就是python利用K-Means算法实现对数据的聚类案例详解的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：python利用K-Means算法实现对数据的聚类案例详解
转载请注明原文链接：python利用K-Means算法实现对数据的聚类案例详解
