初级
K-Means聚类可视化
未完成
初级参考
完整示例代码供参考,建议自己理解后重新输入
def solve():
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
df = pd.read_csv("https://data.zuihe.com/clustering.csv")
X = df[["feature1","feature2"]]
km = KMeans(n_clusters=3, random_state=42, n_init=10).fit(X)
plt.scatter(X["feature1"], X["feature2"], c=km.labels_, cmap="viridis", alpha=0.7)
plt.scatter(km.cluster_centers_[:,0], km.cluster_centers_[:,1], c="red", marker="X", s=200, label="Centers")
plt.legend(); plt.title("K-Means Clustering"); plt.show()
print(f"{km.inertia_:.2f}")
示例
输入
solve()
期望输出
2110.41
👑
升级 VIP
解锁全部题目,畅通无阻地学习
- ✓ 解锁全部训练包所有题目
- ✓ 查看完整参考代码和提示
- ✓ 浏览器内直接运行 Python 代码
- ✓ 自动批改 + 进度追踪
30天
¥18
1年
¥99
2年
¥158
3年
¥199