Kernel: Python 3 (Anaconda 5)
K-means
In [1]:
In [2]:
In [3]:
In [4]:
['Iris-setosa', 'Iris-versicolor', 'Iris-virginica']
In [5]:
(150, 4)
In [6]:
In [7]:
KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=300,
n_clusters=3, n_init=10, n_jobs=None, precompute_distances='auto',
random_state=None, tol=0.0001, verbose=0)
In [8]:
In [9]:
In [10]:
In [11]:
In [12]:
KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=300,
n_clusters=3, n_init=10, n_jobs=None, precompute_distances='auto',
random_state=None, tol=0.0001, verbose=0)
In [13]:
In [14]:
In [15]:
KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=300,
n_clusters=2, n_init=10, n_jobs=None, precompute_distances='auto',
random_state=None, tol=0.0001, verbose=0)
In [16]:
In [17]:
Задача
Разбить данные из wine dataset на кластеры (число кластеров совпадает с числом классов). Перед кластеризацией найти главные компоненты. Разбиение осуществлять относительно выбранных главных компонент.
In [18]:
In [19]:
[1, 2, 3]
In [21]:
(178, 13)
array([0.40749485, 0.18970352, 0.08561671, 0.07426678, 0.05565301,
0.04658837, 0.03663929, 0.02408789, 0.02274371, 0.02250965,
0.01381292, 0.01273236, 0.00815095])
In [22]:
In [32]:
KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=300,
n_clusters=3, n_init=10, n_jobs=None, precompute_distances='auto',
random_state=None, tol=0.0001, verbose=0)
In [35]:
In [34]: