KMeans算法实战：基于啤酒数据集简单聚类分析.pdfVIP

kmeans算法实战

简单聚类

数据集为20种啤酒，酒的属性包括：calories（卡路里）、sodium（钠）、alc（酒精）、cost。

我们不需要y，所以我们只需要设置X就可以：

X=啤酒[[卡路里,钠含量,含量,成本]]

我们创建两个kmeans模型，聚类簇数分别设置为3和2。

从sklearn.cluster导入KMeans

km=KMeans(n_clusters=3).fit(X)

km2=KMeans(n_clusters=2).fit(X)

.labels_属性可以表示所有数据所属的簇：

array([0,0,0,0,0,0,0,0,1,1,0,1,0,0,0,2,0,0,2,1])

第一个数据属于第0个类别...

我们可以检查聚类后的数据是否符合实际情况：

kmeans算法实战

简单聚类

数据集为20个酒啤酒，酒的属性包括：calories（卡路里）、sodium（钠）、alcohol（）、cost

我们不需要y，所以我们只需要设置X就可以：

X=beer[[calories,sodium,alcohol,cost]]

我们创建两个kme