如何使用sklearn的K-means算法进行Python实点云精确分割？

本文共计322个文字，预计阅读时间需要2分钟。

原文示例：本文字例为大家分享了Python实战云分割k-means（sklearn）的经验，仅供参考，内容如下：植物叶片分割 + import numpy as np + import matplotlib.pyplot as plt + import pandas as pd + from sklearn.cluster import KMeans

修改后：本例分享Python在k-means聚类（sklearn）中的应用，内容简要如下：植物叶片分割，导入numpy、matplotlib.pyplot、pandas，使用KMeans聚类。

本文实例为大家分享了Python实点云分割k-means（sklearn），供大家参考，具体内容如下

植物叶片分割

import numpy as np import matplotlib.pyplot as plt import pandas as pd from sklearn.cluster import KMeans from sklearn.preprocessing import StandardScaler from mpl_toolkits.mplot3d import Axes3D data = pd.read_csv("jiaaobo1.txt",sep = " ") data1 = data.iloc[:,0:3] #标准化 transfer = StandardScaler() data_new = transfer.fit_transform(data1) data_new #预估计流程 estimator = KMeans(n_clusters = 10) estimator.fit(data_new) y_pred = estimator.predict(data_new) #也可以不预测 #cluster = KMeans(n_clusters = 9).fit(data_new) #y_pred = cluster.labels_s #质心 #centroid = cluster.cluster_centers_ #centroid.shape fig = plt.figure() ax = Axes3D(fig) for i in range(9): ax.scatter3D(data_new[y_pred == i,0],data_new[y_pred == i,1],data_new[y_pred == i,2],marker = ".") ax.view_init(elev = 60,azim = 30) ax.set_zlabel('Z') ax.set_ylabel('Y') ax.set_xlabel('X') plt.show()

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持易盾网络。