《Web安全之机器学习入门》笔记:第十章 10.2 K-Means hello world

本文阅读 1 分钟

本小节通过生成的聚类数据集,使用K-means方法进行分类,并将其可视化。

        1.数据集

        本小节通过make_blobs产生数据集,该函数是 sklearn.datasets中的一个函数,主要是产生聚类数据集,代码如下

n_samples = 1500
    random_state = 170
    X, y = make_blobs(n_samples=n_samples, random_state=random_state)

        n_samples表示样本的个数         random_state是随机种子,可以固定生成的数据 

        2.完整代码

import matplotlib.pyplot as plt

from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs

def show_kmeans():
    print(__doc__)
    plt.figure(figsize=(12, 12))

    n_samples = 1500
    random_state = 170
    X, y = make_blobs(n_samples=n_samples, random_state=random_state)
    y_pred = KMeans(n_clusters=3, random_state=random_state).fit_predict(X)


    plt.subplot(221)
    plt.scatter(X[:, 0], X[:, 1], c=y_pred)
    plt.title("hello word!")

    plt.show()

if __name__ == '__main__':
    show_kmeans()

  3.运行结果

img

 

本文为互联网自动采集或经作者授权后发布,本文观点不代表立场,若侵权下架请联系我们删帖处理!文章出自:https://blog.csdn.net/mooyuan/article/details/122762466
-- 展开阅读全文 --
Web安全—逻辑越权漏洞(BAC)
« 上一篇 03-13
Redis底层数据结构--简单动态字符串
下一篇 » 04-10

发表评论

成为第一个评论的人

热门文章

标签TAG

最近回复