sklearn库kmeans实现实例

Posted 翱林

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了sklearn库kmeans实现实例相关的知识,希望对你有一定的参考价值。

# -*- coding: utf-8 -*-
from sklearn.cluster import KMeans
from sklearn.externals import joblib
import numpy
import pandas as pd
def kmeans(inputfile,n):

final = open(‘data/dataset.csv‘ , ‘r‘)

data = [line.strip().split(‘,‘) for line in final]
feature = [[float(x) for x in row[1]] for row in data]
# print feature
#调用kmeans类
clf = KMeans(n_clusters=n) #给定类别个数为3
s = clf.fit(feature)
# print s
#聚类中心坐标
print ‘聚类中心‘,clf.cluster_centers_
#每个样本所属的簇
print ‘每个样本所属的簇‘,clf.labels_ #每个点的分类
#用来评估簇的个数是否合适,距离越小说明簇分的越好,选取临界点的簇个数
print clf.inertia_ #每个点到其簇的质心的距离之和
#进行预测
df = pd.read_csv(‘data/dataset1.csv‘) #未添加类标签的数据集
label = clf.predict(feature)
labelpre = pd.DataFrame(label,columns=[‘label‘])
df[‘label‘] = labelpre #将聚类之后的类标签添加到数据集中
# print clf.predict(feature)
print df
#保存模型
joblib.dump(clf , ‘data/km.pkl‘)

#载入保存的模型
clf = joblib.load(‘data/km.pkl‘)
print ‘clf‘,clf
‘‘‘
#用来评估簇的个数是否合适,距离越小说明簇分的越好,选取临界点的簇个数
for i in range(5,30,1):
clf = KMeans(n_clusters=i)
s = clf.fit(feature)
print i , clf.inertia_
‘‘‘
kmeans(‘data/danger.csv‘,3)

以上是关于sklearn库kmeans实现实例的主要内容,如果未能解决你的问题,请参考以下文章

python实现kmeans聚类

机器学习sklearn----KMeans实例(图片数据矢量量化的应用)

机器学习sklearn----KMeans实例(图片数据矢量量化的应用)

机器学习sklearn----KMeans实例(图片数据矢量量化的应用)

python sklearn库实现逻辑回归的实例代码

cluster_centers_ 的排序/索引在 KMeans 聚类 SKlearn 中代表啥