k均值聚类分析鸢尾花数据集

python代码思路分析

from sklearn.datasets import load_iris #导入数据集iris import matplotlib.pyplot as plt from sklearn.cluster import KMeans # 1. 获取两列数据 k = 3 iris=load_iris() X=[x[0] for x in iris.data] Y=[x[1] for x in iris.data] # 2. 模型构建 km = KMeans(n_clusters=k, init='k-means++', max_iter=30) km.fit(iris.data) #获取簇心 centroids = km.cluster_centers_ # 获取归集后的样本所属簇对应值 y_kmean = km.predict(iris.data) fig = plt.figure(figsize = (6,6)) #set the size of subplots left,width=0.12,0.77 bottom,height=0.11,0.4 bottom_h=bottom+height+0.04 rect_line1=[left,bottom,width,height] rect_line2=[left,bottom_h,width,height] axbelow=plt.axes(rect_line1) axupper=plt.axes(rect_line2) axupper.scatter(X[:50],Y[:50],color='red' ,marker='o',label='setosa',s=40)#前50个样本 axupper.scatter(X[50:100],Y[50:100],color='blue' ,marker='x',label='versicolor',s=40)#中间50个样本 axupper.scatter(X[100:],Y[100:],color='green' ,marker='+',label='Virginica',s=40)#后50个样本 axbelow.scatter(X, Y, c=y_kmean, s=50, cmap='viridis') axbelow.scatter(centroids[:, 0], centroids[:, 1], c='black', s=100, alpha=0.5) plt.legend(loc=2) plt.show()

代码中部分解析

plt中figure函数

作用：创建一个图形
参数介绍：

参数名：figsize 类型： tuple of integers 整数元组, optional可选, default: None，默认没有 备注：宽度，高度英寸。如果没有提供，默认为rc figure.figsize。 12345

figure函数详细解释见原文链接：
https://blog.csdn.net/weixin_41500849/article/details/80352338

plt中axes函数

    ~~~    axes函数类似于subplot函数，这里我使用它主要是为了限定子图形的大小。

axes与subplot区别详细解释见原文链接：
https://www.zhihu.com/question/51745620

scatter函数

    ~~~     函数中前两个参数是横纵坐标值，s=？此参数指的是图中点占的面积大小，cmap=？此参数指的是图中点颜色设置图。

scatter详细解释见原文链接：
https://blog.csdn.net/xiaobaicai4552/article/details/79065990

以上，部分解释属个人理解，如有错误还望原谅与批评指正。

相关知识

对鸢尾花数据集和月亮数据集，分别采用线性LDA、k
鸢尾花数据集下载
有了K均值聚类，为什么还需要DBSCAN聚类算法？
【机器学习】经典数据集鸢尾花的分类识别
【python机器学习】KNN算法实现回归（基于鸢尾花数据集）
实验一：鸢尾花数据集分类
KNN算法实现鸢尾花数据集分类
机器学习之路：经典的鸢尾花数据集
Python原生代码实现KNN算法（鸢尾花数据集）
朴素贝叶斯分类（鸢尾花数据集）

网址: k均值聚类分析鸢尾花数据集 https://www.huajiangbk.com/newsview545937.html