这篇文章给大家分享的是有关Python中如何使用kmeans聚类的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。
创新互联建站坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都做网站、网站建设、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的大理州网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！
1、用kmeans分为五个聚类，每个聚类内部的数据为一个list，五个list组成聚类中心。
k = 5 # 聚类中心数 kmeans_model = KMeans(n_clusters=k, n_jobs=4, random_state=123) # 聚类中心数，并行的CPU核的数量，随机数种子 fit_kmeans = kmeans_model.fit(airline_scale) # 模型训练 print(kmeans_model.cluster_centers_) # 查看聚类中心 print(kmeans_model.labels_) # 查看样本的类别标签
2、label显示按照kmeans划分之后每个数据属于哪个聚类。
# 统计不同类别样本的数目
r1 = pd.Series(kmeans_model.labels_).value_counts()
print('最终每个类别的数目为：\n', r1)
result = kmeans_model.predict([[1.5, 1.5, 1.5, 1.5, 1.5]])
print(result)
# 最终确定在五个参数都是1.5的情况下的用户属于类别1
3\r1显示每个聚类内部的元素个数，同时测试一组特定特征值的数据会被分配到哪个组中。感谢各位的阅读！关于“Python中如何使用kmeans聚类”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！