Kmeans算法
K均值算法需要输入待聚类的数据和欲聚类的簇数K,主要过程如下:
1.随机生成K个初始点作为质心
2.将数据集中的数据按照距离质心的远近分到各个簇中
3.将各个簇中的数据求平均值,作为新的质心,重复上一步,直到所有的簇不再改变
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
#创建数据
from sklearn.datasets.samples_generator import make_blobs
#make_blobs 聚类数据生成器
x,y_true=make_blobs(n_samples=300, #生成300条数据
centers=4, #四类数据
cluster_std=0.4, #每一类的方差,方差越小,簇越集中,可以用列表分别指定四类数据的方差
random_state=0 )
print(x[:5])
print(y_true[:5])
#n_samples:待生成的样本总数
#n_features:每个样本的特征数
#centers:类别数
#cluster_std:每个类别的方差,如多类数据不同方差,可设置为[1.0,3.0] (这里针对2类数据)
#random_state:随机数种子
#x:生成数据值(坐标点),y:生成数据对应的类别标签
plt.scatter(x[:,0],x[:,1],s=10,alpha=0.8)
plt.grid()
#聚类模型
from sklearn.cluster import KMeans
kmeans=KMeans(n_clusters=4)
kmeans.fit(x)
y_kmeans=kmeans.predict(x) #聚类类别结果
centroids=kmeans.cluster_centers_ #聚类中心点
print('聚类中心点为:',centroids)
#作图
plt.scatter(x[:,0],x[:,1],c=y_kmeans,cmap='Dark2',s=50,alpha=0.7,marker='x')
plt.scatter(centroids[:,0],centroids[:,1],c=[0,1,2,3],cmap='Dark2',s=70,marker='o')
plt.title('K-means 300 points\n')
plt.xlabel('Value1')
plt.ylabel('Value2')
plt.grid()