使用肘部方法的 K 均值聚类。

介绍

聚类或聚类分析是机器学习技术，它将未标记的数据集进行分组。可以说，这是“将数据点分组为由相似数据点组成的不同簇的方式。具有可能相似性的对象保留在一个组中，而那些与另一组具有较少相似性或没有相似性的对象 “

让我们通过 Mall 的实际示例来了解聚类技术。当顾客参观任何购物中心时，我们可以观察到具有相似用途的物品被分组在一起。比如T恤分在一个区，裤子在其他区，同样，在蔬菜区，苹果、香蕉、芒果等都分在单独的区，方便顾客快速找到想要的东西。聚类技术也以同样的方式工作。聚类的其他示例是根据主题对文档进行分组。

K-means 聚类算法的 Python 实现。

先决条件

• 什么是 K-means 聚类算法。
• k 均值算法如何工作？
• 如何查找和选择“k”的值：k-means聚类中的簇数。
• 数据预处理。
• 标准化和特征缩放。
• 拟合训练和数据转换。
• 在训练数据集上训练 K-means 算法。
• 做出预测。
• 检查 5 个质心的坐标
• 使用肘部方法查找最佳 (k) 簇数。
• 可视化集群
• 调查结果摘要

以上是使用肘部方法的 K 均值聚类。的详细内容。更多信息请关注PHP中文网其他相关文章！