我在无监督机器学习:平面聚类上找到了关于K均值聚类的教程,下面是代码:
在这个例子中,该数组只有2个特征,如
我试图用存储在
我该如何修改上述代码来解决我的问题?
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style
style.use("ggplot")
from sklearn.cluster import KMeans
X = np.array([[1,2],[5,8],[1.5,1.8],[1,0.6],[9,11]])
kmeans = KMeans(n_clusters=3)
kmeans.fit(X)
centroid = kmeans.cluster_centers_
labels = kmeans.labels_
print (centroid)
print(labels)
colors = ["g.","r.","c."]
for i in range(len(X)):
print ("coordinate:" , X[i], "label:", labels[i])
plt.plot(X[i][0],X[i][1],colors[labels[i]],markersize=10)
plt.scatter(centroid[:,0],centroid[:,1], marker = "x", s=150, linewidths = 5, zorder =10)
plt.show()
在这个例子中,该数组只有2个特征,如
[1,2],[5,8],[1.5,1.8]
等。我试图用存储在
np.array()
中的10 x 750矩阵(750个特征)替换X
。生成的图表毫无意义。我该如何修改上述代码来解决我的问题?