python中K-means算法是什么？

能够学习和掌握编程，最好的学习方法，就是掌握基本的使用技巧，再多的概念意义，总是为了使用服务，K-means算法又称K-均值算法，是非监督学习中的聚类算法。主要有三个元素，其中n是元素数，x是元素，c(j)表示第j簇的质感，下面简单介绍一下使用方法的实例。

K-Means算法进行聚类分析

km=KMeans(n_clusters=3)
km.fit(X)
centers=km.cluster_centers_
print(centers)

三簇的中心点坐标为：

[[5.0063.428]
[6.812765963.07446809]
[5.773584912.69245283]]

比较一下K-Means聚类结果与实际样本的区别：

predicted_labels=km.labels_
fig,axes=plt.subplots(1,2,figsize=(16,8))
axes[0].scatter(X[:,0],X[:,1],c=y,cmap=plt.cm.Set1,
edgecolor='k',s=150)
axes[1].scatter(X[:,0],X[:,1],c=predicted_labels,cmap=plt.cm.Set1,
edgecolor='k',s=150)
axes[0].set_xlabel('Sepallength',fontsize=16)
axes[0].set_ylabel('Sepalwidth',fontsize=16)
axes[1].set_xlabel('Sepallength',fontsize=16)
axes[1].set_ylabel('Sepalwidth',fontsize=16)
axes[0].tick_params(direction='in',length=10,width=5,colors='k',labelsize=20)
axes[1].tick_params(direction='in',length=10,width=5,colors='k',labelsize=20)
axes[0].set_title('Actual',fontsize=18)
axes[1].set_title('Predicted',fontsize=18)

你可以把代码带进来，自己看输出结果，观察不同。好了，以上就是例子的介绍。感兴趣的朋友可以消化掌握。