Dưới đây là một ví dụ về cách bạn có thể sử dụng k-means clustering trong Python. Để giữ cho mọi thứ đơn giản, chúng tôi sẽ sử dụng thư viện scikit-learn đáng tin cậy.

# Importing required libraries
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs

# Creating a sample dataset with 4 clusters
X, y = make_blobs(n_samples=300, centers=4, cluster_std=0.60, random_state=0)

# Plotting the dataset
plt.scatter(X[:,0], X[:,1])
plt.show()

# Creating object of KMeans
kmeans = KMeans(n_clusters=4)

# Training the model
kmeans.fit(X)

# Predicting the clusters
predicted_clusters = kmeans.predict(X)

# Plotting the predicted clusters
plt.scatter(X[:, 0], X[:, 1], c=predicted_clusters, s=50, cmap='viridis')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=300, c='red')
plt.show()

Chương trình này đầu tiên tạo một tập dữ liệu mô phỏng với 4 cụm (clusters), sau đó vẽ biểu đồ cụm này. Sau đó, nó tạo một mô hình k-means với 4 cụm, huấn luyện mô hình đó với tập dữ liệu và cuối cùng là vẽ biểu đồ của các cụm dự đoán đó.

Hy vọng điều này sẽ giúp rõ bạn! Còn không thì bạn đang chỉ cách nhấp chuột ra khỏi thế giới học máy tuyệt vời của trituenhantao.io! Đừng chần chừ, hãy trải nghiệm ngay thôi!