标签：datasets hua means 代码 random 学习 randint np sklearn

前言

学习模式识别第二次大作业 代码理解

一、内容

验证k-means 和fcm算法在iris和sonar数据集。

二、部分代码及理解

1.

sklearn库自带的小的数据集引用格式为：sklearn.datasets.load_

from sklearn.datasets import load_iris

sklearn提供的自带的数据集

2.

start=time.time()

计算代码运行时间

3.

plt.rcParams['font.sans-serif']=['SimHei']#设置字体为simhei显示中文

plt.rcParams参数设置总括

具体例子讲解

4.

arr = np.array(X)#创建数组

np.array等基本操作一览

5.

  b.add(np.random.randint(0,150))#≥0，＜150随机数加进b

np.random.randint用法

random.randint()与np.random.randint()的区别

6.

ceshi_hua_e = [hua_e[i] for i in range(len(hua_e)) if (i in b)]  #列表解析创建新列表 得中心坐标

方括号中使用for循环

---

之后为k-,eans在sonar处理的代码学习

7.

from sklearn import datasets,decomposition,manifold  #降维 流行

sklearn学习笔记（超级详细
）

标签：datasets,hua,means,代码,random,学习,randint,np,sklearn
来源： https://blog.csdn.net/coising/article/details/110008274

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。