《深度学习Python实践》附录—

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 ...

《深度学习Python实践》附录——聚类分析

《深度学习Python实践》附录——聚类分析相关推荐

最新文章

热门文章