简单实现K-means聚类

最新推荐文章于 2025-05-29 21:28:37 发布

Chimpanzee1

最新推荐文章于 2025-05-29 21:28:37 发布

阅读量605

点赞数

CC 4.0 BY-SA版权

分类专栏：人工智能知识体系文章标签： python 聚类机器学习数据挖掘

本文链接：https://blog.csdn.net/playboygogogo/article/details/109982408

一、实验目的：
加深对非监督学习的理解，掌握K-means聚类算法的设计方法。
二、实验要求及实验环境
生成3个高斯分布数据（样本数据量至少1000），协方差矩阵为单位阵，并将其写入文件中；
利用K-Means聚类方法对生成的数据进行聚类。
三、实验报告
1.程序源代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] # 设置字体样式
plt.rcParams['axes.unicode_minus']=False # 设置字符不显示

import warnings
warnings.filterwarnings('ignore') # 不显示警告信息

from sklearn.cluster import KMeans
from sklearn.datasets import make_gaussian_quantiles
from sklearn.manifold import TSNE
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import calinski_harabasz_score, silhouette_score,davies_bouldin_score

# 生成协方差为单位矩阵，样本数据量为1000，每个样本特征为2
x1, y1 = make_gaussian_quantiles(cov=1,n_samples=1000,n_features=2) 
# 写入文件
res = pd.DataFrame(x1)
res.to_csv('1.csv')

# 原始数据分布散点图
plt.figure(figsize=(25, 25))
plt.