机器学习-鸢尾花

1）. 扑克牌手动演练k均值聚类过程：>30张牌，3类

 

随机选三个中心

 

 

 

 

 

经过聚类后选出三个新中心

 

 

 

 

 再通过聚类后又重新选出三个新中心，已不能再分就是最终结果为6 、17 、 26

 

 

2）. 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类，并用散点图显示.

# -*- coding:utf-8 -*-
# 文件名称：机器学习-鸢尾花.py

import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans


iris = load_iris()#导入数据
sj = iris.data[:, 2]#第三列花瓣长度
x = sj.reshape(-1, 1)
km_model = KMeans(n_clusters=3)
km_model.fit(x)#训练
y = km_model.predict(x)#预测

plt.scatter(x[:, 0], x[:, 0], c=y, s=50, cmap="rainbow")
plt.show()

　

预测结果如下图

　

 

使用鸢尾花花瓣长度数据做聚类散点图如下

 

 

3）. 鸢尾花完整数据做聚类并用散点图显示.

# -*- coding:utf-8 -*-
# 文件名称：机器学习-鸢尾花.py
import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans


iris = load_iris()#导入数据
x = iris.data
km_model = KMeans(n_clusters=3)
km_model.fit(x)#训练
y = km_model.predict(x)#预测
y
plt.scatter(x[:,2],x[:,3],c=y, s=50 ,cmap="rainbow")
plt.show()

　　预测值

 

 散点图如下：

 

 

 

4）.想想k均值算法中以用来做什么？

 

k均值算法中以用来做像素处理，图像的每个像素颜色即代表训练样本x,通过K均值算法寻找16种颜色代表图像中的所有像素的颜色，即也就是寻找16个聚类中心，最后，将所有的像素颜色替换为16个聚类中心所对应的颜色。