sklearn聚类算法用于图片压缩与图片颜色直方图分类
上期文章：机器学习之SKlearn（scikit-learn）的K-means聚类算法
我们分享了sklearn的基本知识与基本的聚类算法，这里主要是机器学习的算法思想，前期文章我们也分享过人工智能的深度学习，二者有如何区别，可以先参考如下几个实例来看看机器学习是如何操作的
不同K值下的聚类算法
首先我们随机创建一些二维数据作为训练集，观察在不同的k值下聚类算法的区别
import numpy as np
import matplotlib.pyplot as plt
from sklearn import metrics
from sklearn.datasets.samples_generator import make_blobs
from sklearn.cluster import KMeans# X为样本特征，Y为样本簇类别， 共1000个样本，
# 每个样本4个特征，共4个簇，簇中心在[-1,-1], [0,0],[1,1],[2,2]， 簇方差分别为[0.4, 0.2, 0.2]
X, y = make_blobs(n_samples=1000, n_features=2,centers=[[-1,-1], [0,0], [1,1], [2,2]],
cluster_std=[原文地址：https://blog.csdn.net/weixin_44782294/article/details/140644006
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！