在Python中聚類后，如何知道哪個樣本屬于哪一類？首先可以看到聚類后的樣本如果使用Python sklearn中的K-means聚類算法，算法類本身就有一些屬性可以知道聚類后的情況。例如，有一些模型

在Python中聚類后，如何知道哪個樣本屬于哪一類？

首先可以看到聚類后的樣本

如果使用Python sklearn中的K-means聚類算法，算法類本身就有一些屬性可以知道聚類后的情況。

例如，有一些模型屬性，clusterucentersuuuuuux是聚類后得到的聚類中心，標簽uuux如上圖所示，樣本[1.4，0.2]對應(yīng)第三個類別，聚類結(jié)果還有每個類別的聚類中心和每個類別的樣本數(shù)。這種方法可以用來尋找相應(yīng)的標簽分類。

當然，還有一個predict方法，可以直接輸出輸入樣本的類標簽

~]？算法：

第1步：選擇k個初始聚類中心，Z1（1）、Z2（1）、ZK（1），其中括號內(nèi)的序列號是尋找聚類中心的迭代操作的次序列號。聚類中心的向量值可以任意設(shè)置。例如，可以選擇初始K個模式樣本的向量值作為初始聚類中心。

第二步是根據(jù)最小距離準則將模式樣本{x}分配給K個聚類中心之一。

假設(shè)I=J，則K為迭代運算的次序列號，第一次迭代K=1，SJ為第J個簇，其簇中心為ZJ。

第3步：計算每個聚類中心的新向量值ZJ（k1），j=1，2，K

找到每個聚類域中樣本的平均向量：

其中NJ是第j個聚類域中的樣本數(shù)SJ。以均值向量作為新的聚類中心，可以最小化以下聚類準則函數(shù)：

在這一步中，我們需要分別計算K個聚類的樣本均值向量，因此稱為K-means算法。

第4步：如果J=1，2，K，則返回第二步，逐個重新分類模式樣本，并重復迭代操作；

如果J=1，2，則算法收斂，計算結(jié)束。