这篇教程python利用K-Means算法实现对数据的聚类案例详解写得很实用，希望能帮到您。
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vplt.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 pltfrom sklearn.cluster import KMeansimport pandas as pddf = 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vplt.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", linestyle="--", linewidth=1, alpha=0.4)plt.legend()plt.show()到此这篇关于python利用K-Means算法实现对数据的聚类的文章就介绍到这了,更多相关python K-Means算法数据的聚类内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python实战之画哆啦A梦(超详细步骤)
Python基础之pandas数据合并 |
