Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Sergio Montes
Universidad Rey Juan Carlos
smontesleon@gmail.com
Ecuador
10/10/2019
Resumen
Se realiza un ejemplo de aprendiza je no supervisado, usando el algoritmo k-means, Suite
1. Introducción
2. clusters aleatorios
# import statements
from sklearn.datasets import make_blobs
import numpy as np
import matplotlib.pyplot as plt
# create blobs
data = make_blobs(n_samples=200, n_features=2, centers=4, cluster_std=1.6, random_state=50)
Gráca Figura 3
1
Figura 1: Suite Anaconda.
2
Figura 3: Blobs.
Figura 4: K-means.
Gráca Figura 6
3
Figura 5: Hierarchical Cluster.
# create dendrogram
dendrogram = sch.dendrogram(sch.linkage(points, method='ward'))
# create clusters
hc = AgglomerativeClustering(n_clusters=4, affinity = 'euclidean', linkage = 'ward')
# save clusters for chart
y_hc = hc.fit_predict(points)
Gráca Figura 5
Gráca Figura 6
2.4. Concluciones
Se ha lograda una práctica del aprendizaje no supervisado y visualización de cluster usando
k-means y hierarchical, usando python 3.
4
Figura 6: K-means.