官网网站怎么做,网页设计做音乐网站,怎么做网页内容公证,贵阳网站建设企业文章目录 前言一、安装库 scikit-fuzzy二、具体程序代码#xff08;复制可运行#xff09;三、结果展示总结 前言
模糊C均值#xff08;Fuzzy C-means#xff0c;FCM#xff09;聚类是一种软聚类方法#xff0c;它允许数据点属于多个聚类#xff0c;每个数据点对所有聚… 文章目录 前言一、安装库 scikit-fuzzy二、具体程序代码复制可运行三、结果展示总结 前言
模糊C均值Fuzzy C-meansFCM聚类是一种软聚类方法它允许数据点属于多个聚类每个数据点对所有聚类的隶属度都不同。这种方法在处理具有不确定性和模糊性的数据时非常有效。
一、安装库 scikit-fuzzy
pip install scikit-fuzzy -i https://pypi.tuna.tsinghua.edu.cn/simple二、具体程序代码复制可运行
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
import skfuzzy as fuzz
import matplotlib
matplotlib.use(TkAgg)# 加载鸢尾花数据集
iris datasets.load_iris()
data iris.data# 设置模糊C均值聚类的参数
n_clusters 3 # 聚类数目
max_iter 100 # 最大迭代次数
fuzziness 2.0 # 模糊度# 运行模糊C均值聚类算法
cntr, u, u0, d, jm, p, fpc fuzz.cluster.cmeans(data.T, n_clusters, mfuzziness, error0.005, maxitermax_iter, initNone)# 获取最大隶属度的聚类标签
cluster_labels np.argmax(u, axis0)# 绘制聚类图
colors [r, g, b]
for i in range(n_clusters):cluster_points data[cluster_labels i]plt.scatter(cluster_points[:, 0], cluster_points[:, 1], ccolors[i], labelfCluster {i1})plt.xlabel(Sepal length)
plt.ylabel(Sepal width)
plt.title(Fuzzy C-means Clustering of Iris Dataset)
plt.legend()
plt.show()三、结果展示 总结
详细的代码解释请看我的下一篇博客
