无监督机器学习
2018-08-10 本文已影响0人
阿昀姑娘在南方
sklearn preprocessing
2.
from sklearn.cluster import DBSCAN
y_pred = DBSCAN().fit_predict(X)
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show()
调参:调参增加类别，有两个方向都是可以的，一个是继续减少eps(默认0.5)，另一个是增加min_samples(默认5)
3.
from sklearn.cluster import KMeans
y_pred = KMeans(n_clusters=3, random_state=9).fit_predict(X)
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show()
4.评估
from sklearn import metrics
metrics.calinski_harabaz_score(X, y_pred)
