导语：
本文主要介绍了关于Python kmeans聚类的使用的相关知识，包括kmeans聚类原理，以及kmeans聚类中心的确定这些编程知识，希望对大家有参考作用。
1、使用kmeans划分为5个簇，每个簇内部的数据是一个列表，5个列表形成簇中心。
k = 5 # 聚类中心数
kmeans_model = KMeans(n_clusters=k, n_jobs=4, random_state=123)
# 聚类中心数，并行的CPU核的数量，随机数种子
fit_kmeans = kmeans_model.fit(airline_scale) # 模型训练
print(kmeans_model.cluster_centers_) # 查看聚类中心
print(kmeans_model.labels_) # 查看样本的类别标签
2、label显示按照kmeans划分之后每个数据属于哪个聚类。
# 统计不同类别样本的数目
r1 = pd.Series(kmeans_model.labels_).value_counts()
print('最终每个类别的数目为：\n', r1)
result = kmeans_model.predict([[1.5, 1.5, 1.5, 1.5, 1.5]])
print(result)
# 最终确定在五个参数都是1.5的情况下的用户属于类别1
3\r1显示每个聚类内部的元素个数，同时测试一组特定特征值的数据会被分配到哪个组中。
本文教程操作环境：windows7系统、Python 3.9.1，DELL G3电脑。
本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈