1. 機器學習的步驟
資料，模型選擇，訓練，測試，**
2. 安裝機器學習庫sklearn
pip list 檢視版本
python -m pip install --upgrade pip
pip install -u scikit-learn
pip uninstall sklearn
pip uninstall numpy
pip uninstall scipy
pip install scipy
pip install numpy
pip install sklearn
2. 匯入sklearn的資料集
from sklearn.datasets import load_iris
iris = load_iris()
iris.keys()
x = iris.data # 獲得其特徵向量
y = iris.target # 獲得樣本標籤
iris.feature_names # 特徵名稱
3.k均值演算法
k-means是乙個反覆迭代的過程，演算法分為四個步驟：
（x,k,y)
1） 選取資料空間中的k個物件作為初始中心，每個物件代表乙個聚類中心；
def initcenter(x, k): kc
2） 對於樣本中的資料物件，根據它們與這些聚類中心的歐氏距離，按距離最近的準則將它們分到距離它們最近的聚類中心（最相似）所對應的類；
def nearest(kc, x[i]): j
def xclassify(x, y, kc):y[i]=j
3） 更新聚類中心：將每個類別中所有物件所對應的均值作為該類別的聚類中心，計算目標函式的值；
def kcmean(x, y, kc, k):
4） 判斷聚類中心和目標函式的值是否發生改變，若不變，則輸出結果，若改變，則返回2）。
while flag:
y = xclassify(x, y, kc)
kc, flag = kcmean(x, y, kc, k)
參考官方文件:
4. 作業：
1、撲克牌手動演練k均值聚類過程：>30張牌，3類
①聚類中心為6、10，2 進行分類
②平均值分別為6、9、3
③再以6、9、3為新的聚類中心來分類
④均值不變，分類結束。
2、自主編寫k-means演算法 ，以鳶尾花花瓣長度資料做聚類，並用散點圖顯示。（加分題）
3、用sklearn.cluster.kmeans，鳶尾花花瓣長度資料做聚類，並用散點圖顯示.
4、鳶尾花完整資料做聚類並用散點圖顯示.
5、想想k均值演算法中以用來做什麼？比如說在一些球隊的運營中 可以用來評估隊伍中球員的得分優劣勢
3 K均值演算法
2 自主編寫k means演算法 以鳶尾花花瓣長度資料做聚類，並用散點圖顯示。加分題 1 import numpy as np 2from sklearn.datasets import load iris 3import matplotlib.pyplot as plt 45 iris load ...
3 K均值演算法
作業 1 撲克牌手動演練k均值聚類過程 30張牌，3類 隨機在撲克牌中抽取30張牌，當中取3張聚類中心10，5，2 進行分 計算三堆牌的平均值分別為10.5，5.5，2。以11，6，2為新的聚類中心來分類 計算平均值，均值不變，分類結束。2 自主編寫k means演算法 以鳶尾花花瓣長度資料做聚類，...
3 K均值演算法
4.作業 1 撲克牌手動演練k均值聚類過程 30張牌，3類 第一種劃分 第二種劃分 2 自主編寫k means演算法 以鳶尾花花瓣長度資料做聚類，並用散點圖顯示。加分題 如下 from sklearn.datasets import load iris import numpy as np impo...