KMeans 聚类算法具体例子 2024年5月29日
生活
0 条评论

非原创，ChatGPT 问答生成

好的，这里是一个使用 KMeans 算法的具体示例，使用 Python 的 sklearn 库。这个示例将生成一些二维数据点，并使用 KMeans 聚类算法对其进行聚类。

1. 安装必要的库

首先，确保你已经安装了 numpy、matplotlib 和 scikit-learn 库。如果没有安装，可以使用以下命令进行安装：

pip install numpy matplotlib scikit-learn

2. 生成示例数据

我们将使用 numpy 生成一些示例数据。

3. 使用 KMeans 进行聚类

我们将使用 KMeans 对生成的数据进行聚类，并可视化结果。

以下是完整的代码示例：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

# 生成示例数据
np.random.seed(42)
X = np.vstack([
    np.random.normal(loc=[2, 2], scale=0.5, size=(100, 2)),
    np.random.normal(loc=[-2, -2], scale=0.5, size=(100, 2)),
    np.random.normal(loc=[2, -2], scale=0.5, size=(100, 2)),
    np.random.normal(loc=[-2, 2], scale=0.5, size=(100, 2))
])

# 使用 KMeans 进行聚类
kmeans = KMeans(n_clusters=4, random_state=42)
kmeans.fit(X)
labels = kmeans.labels_
centers = kmeans.cluster_centers_

# 可视化聚类结果
plt.figure(figsize=(8, 6))
plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis', marker='o', alpha=0.5, label='Data Points')
plt.scatter(centers[:, 0], centers[:, 1], c='red', marker='x', s=100, label='Cluster Centers')
plt.title('KMeans Clustering Example')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.legend()
plt.show()

代码说明

  1. 生成示例数据： np.random.seed(42) X = np.vstack([ np.random.normal(loc=[2, 2], scale=0.5, size=(100, 2)), np.random.normal(loc=[-2, -2], scale=0.5, size=(100, 2)), np.random.normal(loc=[2, -2], scale=0.5, size=(100, 2)), np.random.normal(loc=[-2, 2], scale=0.5, size=(100, 2)) ]) 这段代码生成了四组二维数据点，每组数据点围绕一个中心点分布。
  2. 使用 KMeans 进行聚类： kmeans = KMeans(n_clusters=4, random_state=42) kmeans.fit(X) labels = kmeans.labels_ centers = kmeans.cluster_centers_ 这里我们创建了一个 KMeans 对象，并将 n_clusters 设置为 4，即我们期望数据分成四个簇。fit 方法对数据进行聚类，labels 存储每个数据点所属的簇标签，centers 存储每个簇的中心点。
  3. 可视化聚类结果： plt.figure(figsize=(8, 6)) plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis', marker='o', alpha=0.5, label='Data Points') plt.scatter(centers[:, 0], centers[:, 1], c='red', marker='x', s=100, label='Cluster Centers') plt.title('KMeans Clustering Example') plt.xlabel('Feature 1') plt.ylabel('Feature 2') plt.legend() plt.show() 这段代码使用 Matplotlib 可视化聚类结果。数据点用不同颜色表示不同的簇，簇的中心点用红色 x 标记。

运行以上代码，将会生成一个包含四个簇的二维散点图，每个簇用不同的颜色表示，簇中心用红色 x 标记。