Python语言PPT14.3k均值和k中心点聚类 (2).pptxVIP

K-means快速聚类;Company Name;A;A(1,4);A(1,4);A;A;A;A;Final;Disadvantages;K-means聚类;思路： 1.指定最后要聚成K类 2.指定k个样本作为初始类中心 3.按照距k个中心距离最近的原则把每个样本分派到各中心所在的类中去,形成一个新的k类，完成一次迭代 4.重新计算k个类的类中心(计算每类各变量的均值,以均值点作为类中心) 5.重复3步和4步，直到达到指定的迭代次数或达到终止迭代的条件 达到指定迭代次数(maximum iteration),默认10次。 收敛标准(convergence),默认0.02，即：本次迭代产生的任意新类,各中心位置变化较小.其中最大的变化率小于2%. ;K-means聚类算法的评价指标;评价指标——误差平方和;K-means聚类算法的优点;K-means聚类算法的缺点;非凸形状的簇;Company Name;K-means聚类算法的Sklearn实现;model = KMeans(3).fit(X) #调用fit方法进行聚类，聚类数为3 colors = [b, g, r, c] markers = [o, s, x, v] plt.axis([0,6,0,6]) for i, l in enumerate(model.labels_): plt.plot(X1[i], X2[