基于鸢尾花数据集的四种聚类算法（kmeans，层次聚类，DBSCAN,FCM）和学习向量量化对比 注：下面的代码可能需要做一点参数调整，才得到所有我的运行结果。 kmeans算法： import matplotlib.pyplot as plt # 导入matplotlib的库import numpy as np # 导入numpy的包from sklearn import datase

文章目录 一、实验介绍1. 算法流程2. 算法解释3. 算法特点4. 应用场景5. 注意事项 二、实验环境1. 配置虚拟环境2. 库版本介绍 三、实验内容0. 导入必要的库1. LVQ类a. 构造函数b. 闵可夫斯基距离c. LVQ聚类过程e. 聚类结果可视化 2. 辅助函数3. 主函数a. 命令行界面 （CLI）b. 数据加载c. 模型训练及可视化 4. 运行脚本的命令5. 代码整合

文章目录 一、实验介绍1. 算法流程2. 算法解释3. 算法特点4. 应用场景5. 注意事项 二、实验环境1. 配置虚拟环境2. 库版本介绍 三、实验内容0. 导入必要的库1. LVQ类a. 构造函数b. 闵可夫斯基距离c. LVQ聚类过程e. 聚类结果可视化 2. 辅助函数3. 主函数a. 命令行界面 （CLI）b. 数据加载c. 模型训练及可视化 4. 运行脚本的命令5. 代码整合

文章目录 一、介绍1、概念介绍（1）数据集（2）实验内容（3）kmeans算法（4）学习向量量化lvq算法（5）高斯聚类函数算法（6）acc精度计算（7）标准互信息计算 2、函数介绍 二、模型函数（1）导包（2）手写kmeans函数（3）手写学习向量量化lvq函数（4）手写高斯聚类函数（5）标准互信息计算（6）匈牙利算法做标签映射（7）精度计算 三、手写函数进行聚类四、sklearn官方函数