python考试怎么做怎么做

Question

为了更好地对比K-Means快速聚类和DBSCAN聚类，此处利用sklearn生成一个非线性边界的数据集。
from sklearn.datasets import make_moons
#一个简单的玩具数据集可视化聚类和分类算法。
X,y = make_moons(200, noise = 0.05, random_state=0)
请分别用Kmeans和DBSCAN聚类方法将此数据聚成两类，并将分类结果可视化
怎么做啊

Answer 1

基于Monster 组和AIGC的调写：

import matplotlib.pyplot as plt
from sklearn.datasets import make_moons
from sklearn.cluster import KMeans, DBSCAN

# 生成数据
X, y = make_moons(200, noise=0.05, random_state=0)

# 应用KMeans聚类
kmeans = KMeans(n_clusters=2)
kmeans.fit(X)
y_kmeans = kmeans.predict(X)

# 应用DBSCAN聚类
dbscan = DBSCAN(eps=0.2, min_samples=5)
y_dbscan = dbscan.fit_predict(X)

# 可视化KMeans结果
plt.figure(figsize=(12, 6))
plt.subplot(121)
plt.scatter(X[:, 0], X[:, 1], c=y_kmeans, cmap='viridis', edgecolor='k')
plt.title('KMeans Clustering')

# 可视化DBSCAN结果
plt.subplot(122)
plt.scatter(X[:, 0], X[:, 1], c=y_dbscan, cmap='viridis', edgecolor='k')
plt.title('DBSCAN Clustering')

plt.show()