pythonscipy怎么做層次聚類？Python機(jī)器學(xué)習(xí)包里面的cluster提供了很多聚類算法，其中ward_tree實(shí)現(xiàn)了凝聚層次聚類算法。但是沒有看明白ward_tree的返回值代表了什么含義

pythonscipy怎么做層次聚類？

Python機(jī)器學(xué)習(xí)包里面的cluster提供了很多聚類算法，其中ward_tree實(shí)現(xiàn)了凝聚層次聚類算法。但是沒有看明白ward_tree的返回值代表了什么含義，遂決定尋找別的實(shí)現(xiàn)方式。經(jīng)過查找，發(fā)現(xiàn)scipy.cluster.hierarchy.fclusterdata能夠?qū)崿F(xiàn)層次聚類。

在Python中聚類后，如何知道哪個樣本屬于哪一類？

首先，聚類之后是可以看到樣本的

如果你使用python sklearn中的聚類算法K-Means，那么這個算法類本身是帶有一些屬性可以知道聚類之后的情況。

比如，有一些模型的屬性，cluster_centers_是獲取聚類之后的聚類中心點(diǎn)，labels_則是獲取每個樣本的標(biāo)簽類別的

如上圖，可以看到樣本[1.4，0.2]對應(yīng)的是第三類，聚類結(jié)果還會有每一個類別的聚類中心和每一類別的樣本數(shù)量?？梢酝ㄟ^這種方法找到樣本對應(yīng)的標(biāo)簽分類。

當(dāng)然，還有一種predict方法，可以直接把輸入的樣本的類別標(biāo)簽輸出

學(xué)完了python能做什么工作？

Python作為一門編程語言，近幾年借著人工智能發(fā)展勢頭迅猛。學(xué)完P(guān)ython后可以選擇以下幾個方向。

1、后臺服務(wù)端。這個現(xiàn)在一般都跟全棧掛鉤，也就是所謂的通吃前后端。從事這個方向?qū)W完P(guān)ython基礎(chǔ)后還需要學(xué)習(xí)前端知識，數(shù)據(jù)庫知識，Linux系統(tǒng)相關(guān)知識，做后臺的幾乎都得會用Linux系統(tǒng)。學(xué)完這些后就開始學(xué)習(xí)Flask，Django和Tornado等后端框架。

2、數(shù)據(jù)分析。這個是當(dāng)前較火的一個方向。學(xué)完P(guān)ython基礎(chǔ)后還需要學(xué)習(xí)numpy、pandas、matplotlib這三個庫以及scipy等數(shù)據(jù)統(tǒng)計(jì)分析庫，當(dāng)然這個方向還必須具備一些數(shù)學(xué)知識。

3、自動化運(yùn)維。這個方向除了Python基礎(chǔ)外還必須掌握Linux系統(tǒng)，一般都是做Linux運(yùn)維，這個方向?qū)inux系統(tǒng)的學(xué)習(xí)要求會高很多。

4、人工智能方向。這個方向是目前Python大火的主要原因。但是這個方向不僅僅需要Python基礎(chǔ)，更需要學(xué)各種算法，而且對數(shù)學(xué)要求也很高。熟悉算法后開始學(xué)習(xí)各種人工智能相關(guān)庫。這個方向能細(xì)分出很多方向，例如計(jì)算機(jī)視覺，NLP等，要從事哪個就學(xué)與哪個相關(guān)的算法和實(shí)用庫。

學(xué)Python后有很多方向可選，首先選好方向，然后繼續(xù)學(xué)習(xí)該方向所需要具備的技能，通過做項(xiàng)目指引學(xué)習(xí)，漸漸地也就能達(dá)到工作要求了。當(dāng)然工作了也不能停止學(xué)習(xí)，編程是一個需要持續(xù)學(xué)習(xí)的活。加油！