第31课：KMeans –最简单的聚类算法 2019-03-16

KNN实例：下面是一个简单的 KMeans 实例，其中的训练样本是10个人的身高（cm）、体重（kg）数据：

from sklearn.cluster import KMeans

    import numpy as np

    import matplotlib.pyplot as plt

    X = np.array([[185.4, 72.6], [155.0, 54.4], [170.2, 99.9], [172.2, 97.3], [157.5, 59.0], [190.5, 81.6], [188.0, 77.1], [167.6, 97.3], [172.7, 93.3], [154.9, 59.0]])

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

    y_kmeans = kmeans.predict(X)

    centroids = kmeans.cluster_centers_

    plt.scatter(X[:, 0], X[:, 1], s=50);

    plt.yticks(())

    plt.show()

    plt.scatter(X[:, 0], X[:, 1], c=y_kmeans, s=50, cmap='viridis')

    plt.scatter(centroids[:, 0], centroids[:, 1], c='black', s=200, alpha=0.5);

    plt.show()

KMeans实例

from sklearn.neighbors import KNeighborsClassifier

    X = [[185.4, 72.6],

    [155.0, 54.4],

    [170.2, 99.9],

    [172.2, 97.3],

    [157.5, 59.0],

    [190.5, 81.6],

    [188.0, 77.1],

    [167.6, 97.3],

    [172.7, 93.3],

    [154.9, 59.0]]    y = [0, 1, 2, 2, 1, 0, 0, 2, 2, 1]    neigh = KNeighborsClassifier(n_neighbors=3)

    neigh.fit(X, y)

然后我们也来预测和 KMeans 例子中同样的新数据：

print(neigh.predict([[170.0, 60],[155.0, 50]]))

最后输出结果为：

[1 1]