Python笔记11------一个K-means聚类的小例子

#导入scipy库，库中已经有实现的kmeans模块，直接使用，
#根据六个人的分数分为学霸或者学渣两类
import numpy as np
from scipy.cluster.vq import vq,kmeans,whiten
list1=[88,64,96,85]
list2=[92,99,95,94]
list3=[91,87,99,95]
list4=[78,99,97,81]
list5=[88,78,98,84]
list6=[100,95,100,92]
#将数据组成数组
data=np.array([list1,list2,list3,list4,list5,list6])
#数据归一化处理
whiten=whiten(data)
#使用kmeans聚类，第一个参数为数据，第二个参数是k类，得到的结果是二维的，所以加一个下划线表示不取第二个值，第一个值为得到的聚类中心，第二个值为损失
centroids,_=kmeans(whiten,2)
#使用vq函数根据聚类中心将数据进行分类，输出的结果为二维，第一个结果为分类的标签，第二个结果不需要。
result,_=vq(whiten,centroids)
print(result)

输出结果：

[0 1 1 0 0 1]

根据数据可以看出0为学渣，1为学霸。

6个人中，1、4、5为学渣，2，3，6为学霸。

以上为使用Scipy中kmeans来求解的。

---

sklearn

import numpy as np
from sklearn.cluster import KMeans
list1=[88,64,96,85]
list2=[92,99,95,94]
list3=[91,87,99,95]
list4=[78,99,97,81]
list5=[88,78,98,84]
list6=[100,95,100,92]
#将数据组成数组
data=np.array([list1,list2,list3,list4,list5,list6])
#采用fit函数和predict函数
kmeans=KMeans(n_clusters=2).fit(data)
pred=kmeans.predict(data)
print(pred)