标签：k均值聚类 分析 range get 数据对象 ase legend 完整 src
1. 机器学习的步骤
数据，模型选择，训练，测试，预测
2. 安装机器学习库sklearn
pip list 查看版本
python -m pip install --upgrade pip
pip install -U scikit-learn
pip uninstall sklearn
pip uninstall numpy
pip uninstall scipy
pip install scipy
pip install numpy
pip install sklearn
https://scikit-learn.org/stable/install.html
2. 导入sklearn的数据集
from sklearn.datasets import load_iris
iris = load_iris()
iris.keys()
X = iris.data # 获得其特征向量
y = iris.target # 获得样本标签
iris.feature_names # 特征名称
3.K均值算法
K-means是一个反复迭代的过程，算法分为四个步骤：
（x,k,y)
1） 选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心；
def initcenter(x, k): kc
2） 对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近的准则将它们分到距离它们最近的聚类中心（最相似）所对应的类；
def nearest(kc, x[i]): j
def xclassify(x, y, kc):y[i]=j
3） 更新聚类中心：将每个类别中所有对象所对应的均值作为该类别的聚类中心，计算目标函数的值；
def kcmean(x, y, kc, k):
4） 判断聚类中心和目标函数的值是否发生改变，若不变，则输出结果，若改变，则返回2）。
while flag:
y = xclassify(x, y, kc)
kc, flag = kcmean(x, y, kc, k)
参考官方文档:
http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#sklearn.cluster.KMeans
4. 作业：
1）. 扑克牌手动演练k均值聚类过程：>30张牌，3类
本人抽取了如上30张牌，一开始以3,4,5作为聚类中心，最终结果如上图所示，最终中心为2，6，j（12）。
2）. *自主编写K-means算法 ，以鸢尾花花瓣长度数据做聚类，并用散点图显示。（加分题）
import numpy as np from sklearn.datasets import load_iris import random import matplotlib.pylab as plt #（1）定义计算欧几里得距离函数。 def jl(data1,data2): return np.sqrt(sum((data1-data2)**2)) #（2）构建k个随机质心。 def sjcenter(k,data): sjksz=[] newdata=[] for i in range(k): sjk = random.randint(0, len(data)-1) if sjk not in sjksz: sjksz.append(sjk) newdata.append(data[sjk,:]) else: i=i-1; return newdata #（3）定义K-means函数实现算法。 def Kmeans(k,data,center): n = len(data) dist = np.zeros([n, k + 1]) newCenter = np.zeros([k, data.shape[1]]) while True: for i in range(n): for j in range(k): dist[i, j] = jl(data[i],center[j]) dist[i, k] = np.argmin(dist[i, :k]) for i in range(k): index = dist[:, k] == i newCenter[i, :] = data[index, :].mean(axis=0) if (np.all(center == newCenter)): break else: center = newCenter return dist #（4）主函数中调用上述4个函数实现K-means算法，并绘制数据散点图查看聚类中心。 def main(k,data): center = sjcenter(k, data) dist=Kmeans(k,data,center) plt.scatter(data[:, 0], data[:, 1], c=dist[:,k], s=50, cmap=‘rainbow‘) #类中心用黑点标出 for i in range(k): plt.scatter(center[i][0],center[i][1],color=‘#000000‘) plt.show() iris=load_iris() main(3,iris.data[:,2:4])
3）. 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类，并用散点图显示.
#（1）直接调用sklearn库实现对鸢尾花数据进行聚类分析。 from sklearn.datasets import load_iris from sklearn.cluster import KMeans import matplotlib.pylab as plt iris=load_iris() data=iris.data[:,2:4] model=KMeans(n_clusters=3).fit(data) model.labels_ model.cluster_centers_ plt.scatter(data[:,0],data[:,1],c=model.labels_,s=50,cmap=‘rainbow‘) for i in range(3): plt.scatter(model.cluster_centers_[i][0], model.cluster_centers_[i][1], color=‘#000000‘) plt.show()
2,3题都用了鸢尾花的花瓣数据做了聚类，效果图也如上二图所示，黑点为聚类中心，可以看出较好的吻合。
4）. 鸢尾花完整数据做聚类并用散点图显示.
from sklearn.datasets import load_iris from sklearn.cluster import KMeans import matplotlib.pylab as plt iris=load_iris() data=iris.data target=iris.target model=KMeans(n_clusters=3).fit_predict(data) model target_test=model for i in range(150): if target_test[i]==1: target_test[i]=0 elif target_test[i]==0: target_test[i]=1 plt.plot(range(150), target_test) plt.plot(range(150), target) plt.legend([‘forecast‘,‘real‘]) plt.show()
利用鸢尾花的完整数据进行聚类分析，与实际的分类做出比较后如上图所示，第一第二聚类比较好，第三个聚类较不准确。
5）.想想k均值算法中以用来做什么？
1、给机器识别物种
2、预测人习惯爱好
标签：k均值聚类 分析 range get 数据对象 ase legend 完整 src
原文地址：https://www.cnblogs.com/ccla/p/12711488.html
