Python機器學習應用 Kmeans演算法

import numpy as np

from sklearn.cluster import kmeans
def loaddata(filepath):
fr = open(filepath, 'r+') # 讀寫開啟乙個文字檔案
lines = fr.readlines()
retdata = # 城市各個消費資料
retcityname = # 城市名稱
for line in lines:
items = line.strip().split(",") # 以逗號為分隔
for i in range(1, len(items)):
return retdata, retcityname
if __name__ == '__main__':
data, cityname = loaddata('city.txt') # 匯入檔案，返回資料
km = kmeans(n_clusters=5, init='k-means++', max_iter=300) # 設值簇的數量為3,init為初始化方法，max_iter為最大迭代次數
label = km.fit_predict(data) # label：聚類後各資料所屬的標籤；fit_predict()計算簇中心以及為簇分配序號
expenses = np.sum(km.cluster_centers_, axis=1)
print(expenses)
citycluster = [, , ,,]
for i in range(len(cityname)): # 即對每個城市進行遍歷
for i in range(len(citycluster)):
print("express:%.2f " % expenses[i])
print(citycluster[i])

Python機器學習應用二

分類 評價標準 精確率 以二分類為例，在測試樣本集上，結果 正例 為正類 tp 負例 為正類 fp 如，a a tp正確 b a fp錯誤 p franctp tp f p 負例 為負類 tn 正例 為負類 fn 如，b b tn正確 a b fn錯誤 p franctn tn f n 召回率 針對...

python機器 python機器學習

熱詞系列 打卡 mark一下，以後看 每天打卡學習 1 python 基礎 bv1lt4y1u7un 2 python 高階 bv1jz411b7dh 3 python 資料庫 bv1pg4y1a7a7 4 python gui與坦克大戰 bv1je411f72o 5 python numpy bv...

機器學習之 機器學習應用建議

機器學習的應用建議 好久沒有更新機器學習的學習筆記了，上一次還是更新的神經網路的部分。這一次我們來聊一聊，機器學習的應用建議。決定下一步做什麼 假設我們需要用乙個線性回歸模型 linear regression 來 房價，當我們運用訓練好了的模型來 未知資料的時候，發現有較大的誤差，我們下一步可以做...