聚类--KMeans

1、什么是K均值聚类

• k均值聚类是最简单也是最常用的聚类算法之一。它试图找到代表数据特定区域的簇中心（Cluster Center）

• K-means算法过程
  1.随机布置K个特征空间内的点作为初始的聚类中心
  2.对于根据每个数据的特征向量，从K个聚类中心中寻找距离最近的一个，并且把该数据标记为从属这个聚类中心
  3.在所有的数据都被标记过聚类中心之后，根据这些数据新分配的类簇，重新对K个聚类中心做计算
  4.如果一轮下来，所有的数据点从属的聚类中心与上一次的分配的类簇没有变化，那么可以迭代停止，否者回到第2步继续循环

  mglearn.plots.plot_kmeans_algorithm()
  

  mglearn.plots.plot_kmeans_boundaries()

2、KMeans应用于模拟数据

  #获取数据集
  X, y = make_blobs(n_samples=100,n_features=2,random_state=42)

  #Kmeans模型实例化

  kmeans = KMeans(n_clusters=3,random_state=0)
  kmeans=kmeans.fit(X)

  #打印kmeans.labels_属性
  print("labels:{}".format(kmeans.labels_))

标签：axes,people,--,random,kmeans,KMeans,state,聚类
来源： https://www.cnblogs.com/caolanying/p/16225057.html