原始问题:
sihouette_score评价聚类模型python代码
下面是使用sklearn库中的KMeans算法和silhouette_score函数评价聚类模型的Python代码示例:
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
import numpy as np
# 生成随机数据
X = np.random.rand(100, 2)
# 构建KMeans聚类模型
kmeans_model = KMeans(n_clusters=3, random_state=0).fit(X)
# 使用silhouette_score函数评价聚类模型
silhouette_avg = silhouette_score(X, kmeans_model.labels_)
print("聚类模型的silhouette_score值为:", silhouette_avg)在上述代码中,首先生成了一个包含100个样本、每个样本有2个特征的随机数据集X。然后使用KMeans算法构建了一个聚类模型,并将其应用于数据集X中。最后,使用silhouette_score函数计算聚类模型的silhouette_score值,并将其打印出来。
需要注意的是,silhouette_score函数的第一个参数是数据集X,第二个参数是聚类模型的标签,即每个样本所属的簇的编号。在上述代码中,我们使用kmeans_model.labels_获取了聚类模型的标签。
Prev:网购商品缺货,卖家让退款,违法吗?如果违法违反哪条法律