python多維列表，python kmean 多維_如何使用KMeans對多維和未知數據進行聚類？

@Nael Alsaleh，你可以用下面的方法運行K-Means：from sklearn.cluster import KMeans

import numpy as np

python多維列表，import matplotlib.pyplot as plt

X=np.load('Mistery.npy')

wx = []

qpython。for i in range(1, 11):

kmeans = KMeans(n_clusters = i, random_state = 0)

kmeans.fit(X)

python定義多維列表，wx.append(kmeans.inertia_)

plt.plot(range(1, 11), wx)

plt.xlabel('Number of clusters')

python中多維數組的計算、plt.ylabel('Variance Explained')

plt.show()

注意，X是一個numpy數組。這段代碼將創建彎頭曲線，在這里您可以選擇完美數量的簇，在本例中為5-6個。在

python將多維表轉二維表？如果您使用的是numpy，您將擁有一個數組：

^{pr2}$

你也可能在處理一個列表

python二維list。^{3}$

需要轉換為array:np.array(X)，甚至是Pandas數據幀：

您可以通過執行以下操作來檢查Pandas數據幀中的列類型：import pandas as pd

pd.DataFrame(X).dtypes

在numpy，x.dtype

將數據轉換為數組后，運行：n=5

kmeans=KMeans(n_clusters=n, random_state=20).fit(X)

labels_of_clusters = kmeans.fit_predict(X)

這將得到每個示例所屬的集群類的編號。在array([1, 4, 0, 0, 4, 1, 4, 0, 2, 0, 0, 4, 3, 1, 4, 2, 2, 3, 0, 1, 1, 0,

4, 4, 2, 0, 3, 0, 3, 1, 1, 2, 1, 0, 2, 4, 0, 3, 2, 1, 1, 2, 2, 2,

2, 0, 0, 4, 1, 3, 1, 0, 1, 4, 1, 0, 0, 0, 2, 0, 1, 2, 2, 1, 2, 2,

0, 4, 4, 4, 4, 3, 1, 2, 1, 2, 2, 1, 1, 3, 4, 3, 3, 1, 0, 1, 2, 2,

1, 2, 3, 1, 3, 3, 4, 2, 2, 0, 2, 1, 3, 4, 2, 0, 2, 1, 3, 3, 3, 4,

3, 1, 4, 4, 4, 2, 0, 3, 2, 0, 1, 2, 2, 0, 3, 1, 1, 1, 4, 0, 2, 2,

0, 0, 1, 1, 0, 3, 0, 2, 2, 1, 2, 2, 4, 0, 1, 0, 3, 1, 4, 4, 0, 4,

1, 2, 0, 2, 4, 0, 1, 2, 3, 1, 1, 0, 3, 2, 4, 0, 1, 3, 1, 2, 4, 3,

1, 1, 2, 0, 0, 2, 3, 1, 3, 4, 1, 2, 2, 0, 2, 1, 4, 3, 1, 0, 3, 2,

4, 1, 4, 1, 4, 4, 0, 4, 4, 3, 1, 3, 4, 0, 4, 2, 1, 1, 3, 4, 0, 4,

4, 4, 4, 2, 4, 2, 3, 4, 3, 3, 1, 1, 4, 2, 3, 0, 2, 4])

可視化：from sklearn.datasets.samples_generator import make_blobs

X, y_true = make_blobs(n_samples=200, centers=4,

cluster_std=0.60, random_state=0)

kmeans = KMeans(n_clusters=4, random_state=0).fit(X)

cc=kmeans.fit_predict(X)

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