《深度学习Python实践》附录——聚类分析
三维绘图工具包:from mpl_toolkits.mplot3d import Axes3D
聚类分析:
from pandas import read_csv
from sklearn.cluster import KMeans
from sklearn.decomposition import PCA
from sklearn.preprocessing import scale
from sklearn.preprocessing import StandardScaler
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
from sklearn import metricsfilename='wine.csv'
names=['Alcohol','MailicAcid','Ash','AlclinityOfAsh','Magnesium','TotalPhenols','Flavanoids','Nonflay','Proa','hue','OD280','Color','prol','class']
dataset=read_csv(filename,names=names)
dataset['class']=dataset['class'].replace(to_replace=[1,2,3],value=[0,1,2])
array=dataset.values
X=array[:,0:13]
y=array[:,13]#数据降维
pca=PCA(n_components=3)
X_scale=StandardScaler().fit_transform(X)
X_reduce=pca.fit_transform(scale(X_scale))#模型训练
model=KMeans(n_clusters=3)
model.fit(X_reduce)
labels=model.labels_#输出模型的准确度
print('%.3f %.3f %.3f %.3f %.3f %.3f' %(metrics.homogeneity_score(y,labels),metrics.completeness_score(y,labels),metrics.v_measure_score(y,labels),metrics.adjusted_rand_score(y,labels),metrics.adjusted_mutual_info_score(y,labels), #调整的互信息评分metrics.silhouette_score(X_reduce,labels))) #所有样本的轮廓系数的平均值#绘制模型的分布图
fig= plt.figure()
ax=Axes3D(fig,rect=[0,0,.95,1],elev=48,azim=134)
ax.scatter(X_reduce[:,0],X_reduce[:,1],X_reduce[:,2],c=labels.astype(np.float))
plt.show()
运行结果:
0.864 0.858 0.861 0.880 0.856 0.453
《深度学习Python实践》附录——聚类分析相关推荐
- 【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程(四)(Python语言基础(2))
[神经网络与深度学习-TensorFlow实践]-中国大学MOOC课程(四)(Python语言基础(2)) 第4讲 Python语言基础(2) 4.1 内置数据结构 4.1.1 序列数据结构(sequ ...
- 人工神经网络理论、设计及应用_TensorFlow深度学习应用实践:教你如何掌握深度学习模型及应用...
前言 通过TensorFlow图像处理,全面掌握深度学习模型及应用. 全面深入讲解反馈神经网络和卷积神经网络理论体系. 结合深度学习实际案例的实现,掌握TensorFlow程序设计方法和技巧. 着重深 ...
- 深度学习笔记第二门课 改善深层神经网络 第一周:深度学习的实践层面
本文是吴恩达老师的深度学习课程[1]笔记部分. 作者:黄海广[2] 主要编写人员:黄海广.林兴木(第四所有底稿,第五课第一二周,第三周前三节).祝彦森:(第三课所有底稿).贺志尧(第五课第三周底稿). ...
- 2.1)深度学习笔记:深度学习的实践层面
目录 1)Train/Dev/Test sets 2)Bias/Variance 3)Regularization(重点) 4)Why regularization reduces overfitti ...
- 02.改善深层神经网络:超参数调试、正则化以及优化 W1.深度学习的实践层面(作业:初始化+正则化+梯度检验)
文章目录 作业1:初始化 1. 神经网络模型 2. 使用 0 初始化 3. 随机初始化 4. He 初始化 作业2:正则化 1. 无正则化模型 2. L2 正则化 3. DropOut 正则化 3.1 ...
- 深度学习最佳实践系列——权重w初始化
摘要: 本文是深度学习最佳实践系列博客之权重初始化,主要介绍权重初始化的相关问题及方法,文中提及的权重初始化方法均可以应用于普通的神经网络.卷积神经网络和递归神经网络之中. 作为深度学习的初学者,我有 ...
- 深度学习系列 -- 第二门课 改善深层神经网络:超参数调试、正则化以及优化(一):深度学习的实践层面(Practical aspects of Deep Learning)
目录 一.深度学习的实践层面(Practical aspects of Deep Learning) 1 训练,验证,测试集(Train / Dev / Test sets) 2 偏差,方差(Bias ...
- 【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程(八)(TensorFlow基础))
[神经网络与深度学习-TensorFlow实践]-中国大学MOOC课程(八)(TensorFlow基础)) 8 TensorFlow基础 8.1 TensorFlow2.0特性 8.1.1 Tenso ...
- 八大深度学习最佳实践
翻译 | AI科技大本营 参与 | 刘畅 [AI 科技大本营导读] 2017年,许多的人工智能算法得到了实践和应用.名博Hack Noon作者 Brian Muhia 认为想要玩转人工智能,不仅要拥有 ...
- 深度学习算法实践(基于Theano和TensorFlow)
深度学习算法实践(基于Theano和TensorFlow) 闫涛 周琦 著 ISBN:9787121337932 包装:平装 开本:16开 用纸:胶版纸 正文语种:中文 出版社:电子工业出版社 出版时 ...
最新文章
- 长沙理工大学第十二届ACM大赛-重现赛 K - 大家一起来数二叉树吧
- 算法---给定一个仅包含数字 2-9 的字符串,返回所有它能表示的字母组合
- 关于SAMBA的关键参考资源
- android Set的遍历
- Android 图形系统
- Oracle 客户端库时引发 BadImageFormatException
- Linux查看centos版本 - 命令篇
- java mail 接受QQ邮箱未读的邮件
- abb机器人searchl报错_西门子PLC1200与ABB机器人通信
- crt导出服务器文件,非1元证书怎么提取生成crt文件
- 【一】Jmeter:体系结构
- 《深度学习笔记》——初识PyTorch的学习笔记
- 数据科学(data science)概览
- 为什么我一直强调大家要两条腿走路?
- 引介|主流密钥管理项目深度对比
- 删除链表的节点(JS)
- 300字美文摘抄加赏析
- DES加密算法的C++实现
- myisam和innodb区别
- OpenSSL之十三:证书和CA指令
热门文章
- sql server计算日期到当前日期天数_Excel必学的7个计算日期间隔差的技巧
- 前端js-angluar定时刷新器
- 怎样取消计算机中镜像,win7系统,如何删除之前创建的镜像文件。 (不是在系统保护里头删除还原点,我试过了)...
- 服务中没有listen_Odoo 中的 IM(即时通讯)实现分析
- 1千条数据平均分配给15人_母狗一胎生下15只小狗,差点破纪录,1年后再相聚的场景让人泪目...
- java数组及循环专题练习(使用数组和循环结构实现一个简易的功能完善的订餐系统)
- 21. Django进阶:内建用户系统
- jQuery:实现排他
- Linux下防止rm -frv 删除错误的解决办法
- Ubuntu无法安装Xmind rpm包