python – 为sklearn k-means添加标签
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python – 为sklearn k-means添加标签,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含984字,纯文字阅读大概需要2分钟。
内容图文
![python – 为sklearn k-means添加标签](/upload/InfoBanner/zyjiaocheng/781/2ec3f33bedda40f28f9e188edacafadb.jpg)
我想在python中使用kmeans.
data = [[1,2,3,4,5],[1,0,3,2,4],[4,3,234,5,5],[23,4,5,1,4],[23,5,2,3,5]]
每个数据都有一个标签.例:
[1,2,3,4,5] -> Fiat1
[1,0,3,2,4] -> Fiat2
[4,3,234,5,5] -> Mercedes
[23,4,5,1,4] -> Opel
[23,5,2,3,5] -> bmw
kmeans = KMeans(init='k-means++', n_clusters=3, n_init=10)
kmeans.fit(data)
我的目标是在运行KMeans之后,我想获得每个集群的标签.
一个假的例子:
群集1:
Fiat1,
Fiat2
群集2:
奔驰
群集3:
宝马,
欧宝
我怎样才能做到这一点 ?
解决方法:
码
from sklearn.cluster import KMeans
import numpy as np
data = np.array([[1,2,3,4,5],[1,0,3,2,4],[4,3,234,5,5],[23,4,5,1,4],[23,5,2,3,5]])
labels = np.array(['Fiat1', 'Fiat2', 'Mercedes', 'Opel', 'BMW'])
N_CLUSTERS = 3
kmeans = KMeans(init='k-means++', n_clusters=N_CLUSTERS, n_init=10)
kmeans.fit(data)
pred_classes = kmeans.predict(data)
for cluster in range(N_CLUSTERS):
print('cluster: ', cluster)
print(labels[np.where(pred_classes == cluster)])
输出:
cluster: 0
['Opel' 'BMW']
cluster: 1
['Mercedes']
cluster: 2
['Fiat1' 'Fiat2']
内容总结
以上是互联网集市为您收集整理的python – 为sklearn k-means添加标签全部内容,希望文章能够帮你解决python – 为sklearn k-means添加标签所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。