반응형
import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.DataFrame(columns=['x','y'])
df.loc[0] = [1,4]
df.loc[1] = [1,3]
df.loc[2] = [2,5]
df.loc[3] = [2,2]
df.loc[4] = [1,12]
df.loc[5] = [2,13]
df.loc[6] = [3,12]
df.loc[7] = [4,6]
df.loc[8] = [4,8]
df.loc[9] = [5,7]
print(df)
sns.lmplot('x','y',data=df,fit_reg=False,scatter_kws={"s":20})
plt.show()
data_points = df.values
kmeans = KMeans(n_clusters=3).fit(data_points)
df['label']=kmeans.labels_
print(df)
sns.lmplot('x','y',data=df,fit_reg=False,scatter_kws={"s":20},hue='label')
plt.show()
반응형
'빅데이터 > 머신 러닝 with Python (old)' 카테고리의 다른 글
Keras를 이용한 딥러닝 시작, ANN-DNN, 손글씨 인식시키기 (0) | 2020.08.17 |
---|---|
머신러닝 및 딥러닝에 사용하는 손글씨 데이터 mnist 다운로드 및 구조 분석하기 (0) | 2020.08.17 |
Scikit-Learn을 이용한 분류와 회귀 (0) | 2020.08.05 |
나의 손글씨 데이터로 머신 러닝시킨 후 나의 손글씨로 테스트하기 with 사이킷 런 svm.SVC (0) | 2020.05.25 |
사이킷 런의 svm.SVC 사용 및 흉내내어 만들어보기 [ML with pYTHON] (0) | 2020.05.20 |