机器学习中聚类实验的python实现代码及详细解释（基于jupyter）

资源特点：基于课程作业，一共有三个案例 1.1 使用 sklearn 的 DBSCAN 和 GaussianMixture 完成聚类 1.2 使用 sklearn 的 KMeans 完成聚类 1.3 实现 K-means 每个案例配有详细的代码和解释，都能测试通过。 机器学习第八章实验内容 详细内容见第七周实验内的 jupyter notebook。 一、实验内容 1.1 使用 sklearn 的 DBSCAN 和 GaussianMixture 完成聚类 1. 使用 sklearn 的 DBSCAN 和 GaussianMixture 在两个数据集上完成聚类任务 2. 对聚类结果可视化 3. 对比外部指标 FMI 和 NMI 4. 选做：调整密度聚类的 eps 参数，绘制聚类结果 1.2 使用 sklearn 的 KMeans 完成聚类 1. 使用 sklearn 的 Kmeans 完成两个数据集的聚类任务 2. 计算外部指标 FMI 和 NMI 3. 对聚类结果可视化 1.3 实现 K-means 1. 实现一个 K-means 聚类算法 2. 计算外部指标 FMI 和 NMI