台州云推广网站,系统优化的目的和意义,it运维工程师月薪,软件开发费和网站建设Kmeans毫无疑问#xff0c;好用又“便宜”的算法#xff0c;经常在很多轻量化场景中实现。所谓的“聚类”#xff08;Clustering#xff09;#xff0c;就是通过欧氏距离找哪些点构成一个簇。假设我们空间中有一堆点#xff0c;通过肉眼大概可以看出有两簇#xff0c;思…Kmeans毫无疑问好用又“便宜”的算法经常在很多轻量化场景中实现。所谓的“聚类”Clustering就是通过欧氏距离找哪些点构成一个簇。假设我们空间中有一堆点通过肉眼大概可以看出有两簇思考我们怎么决定哪些点属于哪一簇以及每簇的中心分别是什么 那我们可以直接用sklearn的工具进行计算
import numpy as np
from sklearn.cluster import KMeansa np.load(pts.npy)
kmeans KMeans(n_clusters2, random_state0, n_init2).fit(a)
print(kmeans.labels_) # each point belongs to which cluster
print(kmeans.cluster_centers_) # cluster center根据这个简短的脚本我们可以计算出kmeans的两个聚类中心的坐标我们把两个中心附近的点都标成红色 便可以看到很明显的中心效果
