Python para compartir conocimientos: el algoritmo de agrupación en clústeres K-means en sklearn genera los datos de muestra contenidos en cada clúster

Python para compartir conocimientos: el algoritmo de agrupación en clústeres K-means en sklearn genera los datos de muestra contenidos en cada clúster

fondo

Cuando nos desarrollamos a diario, nos encontraremos con todo tipo de problemas extraños (paso en el hoyo o(╯□╰)o), esta serie de preguntas frecuentes es una serie de artículos de registro sobre algunos de los problemas que encuentro todos los días, organizados aquí Después de resumir , compártelo con todos, para que sus amigos que todavía están en el pozo profundo puedan salir con cuerdas.
Al mismo tiempo, todos son bienvenidos a dejarme un mensaje o un mensaje privado con los problemas que encuentren, y veré si puedo resolverlos por ustedes.

entorno de desarrollo

• Sistema: windows10
• Versión: Python3

contenido

Esta sección comparte una herramienta de salida de uso común cuando se usa el algoritmo de agrupación en sklearn para generar los datos de muestra contenidos en cada grupo. El siguiente es el método de implementación específico:

kmeans_model = KMeans(init="k-means++",n_clusters=t)
            kmeans_model.fit(tf_matrix)  # 训练是t簇，指定数据源
            # 输出各个簇中包含的样本数据
            labels = kmeans_model.predict(tf_matrix)
            clusters = {}
            n = 0
            for item in labels:
                if item in clusters:
                    clusters[item].append(all_data[n])
                else:
                    clusters[item] = [all_data[n]]
                n +=1
            for item in clusters:
                print("输出簇： ", item)
                for i2 in clusters[item]:
                    print(i2)

Este artículo declara:

88x31.png

Licencia Creative Commons
Este trabajo está autorizado por CN Hua Shao bajo la licencia internacional Creative Commons Attribution-Noncommercial 4.0.