标签：简单 read mod learn 距离 不同 标准化 输出 file
""
k-means聚类算法过程
1）从N个样本数据中随机选取k个作为初始的聚类中心
2）分别计算每个样本到各个聚类中心的距离，将对象分配到距离最近的聚类中
3）所有对象分配完成后，重新计算K个聚类的中心
4）与前一次计算得到的K个聚类中心比较，如果聚类中心发生变化，转过程2），否则转过程5）
5）当质心不发生变化时停止并输出聚类结果
聚类的目标函数
使用误差平方和SSE作为度量聚类质量的目标函数，对于两种不同的聚类结果，选择误差平方
和较小的分类结果
"""
##使用K-Means算法聚类消费行为特征数据
#加载程序包
import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
#读取数据
inputfile = ‘../data/consumption_data.xls‘ #销量及其他属性数据
outputfile = ‘../data/data_type.xls‘ #保存结果的文件名
data = pd.read_excel(inputfile, index_col = ‘Id‘) #读取数据
data_zs = 1.0*(data - data.mean())/data.std() #数据标准化
"""
R：最近一次消费时间间隔
F：消费频率
M：消费总金额
"""
# ‘利用SSE选择k‘
SSE = [] # 存放每次结果的误差平方和
for k in range(1, 9):
estimator = KMeans(n_clusters=k) # 构造聚类器
estimator.fit(data_zs)
SSE.append(estimator.inertia_)
X = range(1, 9)
plt.xlabel(‘k‘)
plt.ylabel(‘SSE‘)
plt.plot(X, SSE, ‘o-‘)
plt.show()
k=5 #设定聚类数据为5类
model = KMeans(n_clusters = k)
model.fit(data_zs) #开始聚类
#简单打印结果
r1 = pd.Series(model.labels_).value_counts() #统计各个类别的数目
r2 = pd.DataFrame(model.cluster_centers_) #找出聚类中心
r = pd.concat([r2, r1], axis = 1) #横向连接（0是纵向），得到聚类中心对应的类别下的数目
r.columns = list(data.columns) + [u‘类别数目‘] #重命名表头
print(r)
##输出误差平方和SSE
SSE = model.inertia_
print(SSE)
#详细输出原始数据及其类别
data_new = pd.concat([data, pd.Series(model.labels_, index = data.index)], axis = 1) #详细输出每个样本对应的类别
data_new.columns = list(data.columns) + [u‘聚类类别‘] #重命名表头
data_new.to_excel(outputfile) #保存结果
标签：简单 read mod learn 距离 不同 标准化 输出 file
原文地址：https://www.cnblogs.com/liu-304711/p/10931950.html
