Python机器学习应用-聚类之K-Means

K-Means聚类算法

k-means算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。

• 随机选择k个点作为初始的聚类中心。
• 对于剩下的点，根据其与聚类中心的距离，将其归入最近的簇。
• 对每个簇，计算所有点的均值作为新的聚类中心。

• 重复2，3直到聚类中心不再发生改变

  

K-means的应用

数据介绍：

现有1999年全国31个省份城镇居民家庭平均每人全年消费性支出的八大主要变量数据，这八大变量分别是：食品、衣着、家庭设备用品及服务、医疗保健、交通和通讯、娱乐教育文化服务、居住以及杂项商品和服务。利用已有数据，对31个省份进行聚类。

实验目的：

通过聚类，了解1999年各个省份的消费水平在国内的情况。

技术路线：

sklearn.cluster.Kmeans

数据实例：

实现过程：

1. 建立工程，导入sklearn相关包。
   import numpy as np
   from sklearn.cluster import KMeans
2. 加载数据，创建K-means算法实例，并进行训练，获得标签：
   
   注意：调用K-Means方法所需参数：
   n_clusters：用于指定聚类中心的个数
   init：初始聚类中心的初始化方法（默认为k-means++）
   max_iter：最大的迭代次数（默认为300）
   data：加载的数据
   label：聚类后各数据所属的标签
   fit_predict()：计算簇中心以及为簇分配序号
3. 输出标签，查看结果
   将城市按照消费水平n_clusters类，消费水平相近的城市聚集在一类中。
   expense: 聚类中心点的数值加和，也就是平均消费水平。

import numpy as np
from sklearn.cluster import KMeans


def loadData(filePath):
    fr = open(filePath,'r+')
    lines = fr.readlines()
    retData = []
    retCityName = []
    for line in lines:
        items = line.strip().split(",")
        retCityName.append(items[0])
        retData.append([float(items[i]) for i in range(1,len(items))])
    return retData,retCityName


if __name__ == '__main__':
    data,cityName = loadData('city.txt')
    km = KMeans(n_clusters=4)
    label = km.fit_predict(data)
    expenses = np.sum(km.cluster_centers_,axis=1)
    #print(expenses)
    CityCluster = [[],[],[],[]]
    for i in range(len(cityName)):
        CityCluster[label[i]].append(cityName[i])
    for i in range(len(CityCluster)):
        print("Expenses:%.2f" % expenses[i])
        print(CityCluster[i])

结果展示：