from sklearn.cluster import KMeans
import numpy
import pandas as pd
from pandas import read_csv
boston = read_csv("../desktop/Boston.csv")
print(boston)
print(boston.columns)
del boston['index']
del boston['chas']
print(boston)
sse=[]
for i in range(1,9):
kmeans = KMeans(n_clusters=i , max_iter=300)
sse.append(kmeans.inertia_)
我正进入（状态
AttributeError: 'KMeans' object has no attribute 'inertia_'
我正在尝试使用 k 均值找出波士顿数据上适当的聚类数量
KMeans 属性如inertia_在模型拟合时创建；但在这里你不调用.fit方法，因此出现错误。
你需要跑kmeans.fit()致电前查看您的数据kmeans.inertia_;这是使用 sklearn 的波士顿数据的完整示例：
from sklearn.cluster import KMeans
from sklearn.datasets import load_boston
import matplotlib.pyplot as plt
X, y = load_boston(return_X_y=True)
sse = []
for i in range(1,9):
kmeans = KMeans(n_clusters=i , max_iter=300)
kmeans.fit(X) # <- fit here.....
sse.append(kmeans.inertia_)
plt.plot(range(1,9),sse)
plt.show()
Result:
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
