ML之K-means：基于(完整的)手写数字图片识别数据集利用K-means算法实现图片聚类

铁骨铮铮 2022-09-19 15:31:45  48342

分类专栏：资讯

输出结果

设计思路

核心代码

输出结果

设计思路

核心代码


metrics.adjusted_rand_score(y_test, y_pred)
 
 
plt.xlim([0, 10])
plt.ylim([0, 10])
plt.title('Instances')
plt.scatter(x1, x2)
 
colors = ['b', 'g', 'r', 'c', 'm', 'y', 'k', 'b']
markers = ['o', 's', 'D', 'v', '^', 'p', '*', '+']
 
clusters = [2, 3, 4, 5, 8]
subplot_counter = 1
sc_scores = []
for t in clusters:
    subplot_counter += 1
    plt.subplot(3, 2, subplot_counter)
    kmeans_model = KMeans(n_clusters=t).fit(X)
    for i, l in enumerate(kmeans_model.labels_):
        plt.plot(x1[i], x2[i], color=colors[l], marker=markers[l], ls='None')
    plt.xlim([0, 10])
    plt.ylim([0, 10])
    sc_score = silhouette_score(X, kmeans_model.labels_, metric='euclidean')
    sc_scores.append(sc_score)
 
    plt.title('K = %s, silhouette coefficient= %0.03f' %(t, sc_score))
    
plt.figure()
plt.plot(clusters, sc_scores, '*-')
plt.xlabel('Number of Clusters')
plt.ylabel('Silhouette Coefficient Score')
plt.title('Handwritten digits Datasets：the relationship curve between Silhouette Coefficient and the number of different clusters')
 
plt.show()

网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。

本文链接：https://www.xckfsq.com/news/show.html?id=3301

赞同 0

评论 0 条

ML之K-means：基于(完整的)手写数字图片识别数据集利用K-means算法实现图片聚类

输出结果

设计思路

核心代码

相关文章

关注我们