蟒蛇K意味着羣集陣列

Question

我正在尋找一種方法來分割與python n個羣集中的二維數組。我想使用K平均法，但我沒有找到任何代碼。我嘗試了sklearn庫的k-means，但我還沒有理解如何正確使用它。

Answer 1

通常，使用一個模型從sklearn你必須：

1. 進口它：from sklearn.cluster import KMeans

2. 初始化表示與所述選擇的參數，kmeans = KMeans(n_clusters=2)模型中的對象，作爲一個例子。

3. 用您的數據訓練，使用.fit()方法：kmeans.fit(points)。現在對象kmeans在其屬性中包含與您的訓練模型相關的所有數據。作爲示例，kmeans.labels_對應於具有用於訓練模型的每個點的標籤的陣列。

4. 使用.predict(new_points)方法將最近羣集的標籤獲取到一個點或一組點。

你可以得到一切從kmeansalgorithm頁面的屬性： http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html

Answer 2

從http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#sklearn.cluster.KMeans

from sklearn.cluster import KMeans 
import numpy as np 

#this is your array with the values 
X = np.array([[1, 2], [1, 4], [1, 0], 
       [4, 2], [4, 4], [4, 0]]) 


#This function creates the classifier 
#n_clusters is the number of clusters you want to use to classify your data 
kmeans = KMeans(n_clusters=2, random_state=0).fit(X) 

#you can see the labels with: 
print kmeans.labels_ 

# the output will be something like: 
#array([0, 0, 0, 1, 1, 1], dtype=int32) 
# the values (0,1) tell you to what cluster does every of your data points correspond to 

#You can predict new points with 
kmeans.predict([[0, 0], [4, 4]]) 

#array([0, 1], dtype=int32) 

#or see were the centres of your clusters are 
kmeans.cluster_centers_ 
#array([[ 1., 2.], 
#  [ 4., 2.]])