机器学习4 kmeans聚类成3个簇

基操(kmeans建模,拟合,质心,label,inertia)

数据格式(左下)和最终结果(右上)
在这里插入图片描述
模型准备和拟合

clf = KMeans(n_clusters=3)
clf.fit(data)

查看质心cluster_centers_

clf.cluster_centers_

在这里插入图片描述
查看每个点所属于的簇的标签labels_

clf.labels_

在这里插入图片描述
查看误差平方和 inertia_

clf.inertia_

在这里插入图片描述

绘制点图

点图plt.scatter(横坐标对应数据列,纵坐标对应数据列,颜色c=clf.labels_,标记marker=‘x’)

plt.scatter(data['每分钟助攻数'],data['每分钟得分数'],c=clf.labels_,marker='x')

在这里插入图片描述

标记质心 cluster_centers_ 结合刚才已经求得的质心坐标,第1列(索引0)为横坐标,第2列(索引1)为纵坐标,
eg:只要索引为0的第一列,表示为 [:,0],:表示行不要
在这里插入图片描述

plt.scatter(clf.cluster_centers_[:,0],clf.cluster_centers_[:,1],color='red')

在这里插入图片描述
最后加上横纵坐标,标题 xlabel,ylabel,title
在这里插入图片描述
横纵坐标为中文jupyter识别不了,改为英文解决

plt.scatter(data['每分钟助攻数'],data['每分钟得分数'],c=clf.labels_,marker='x')
plt.scatter(clf.cluster_centers_[:,0],clf.cluster_centers_[:,1],c='red')

plt.xlabel('assists per min')
plt.xlabel('points per min')
plt.title('KMeans Basketball data')

!!!注意,color用c肯定不会错,用color有时会报错
在这里插入图片描述

全文代码

在这里插入图片描述

import pandas as pd
from sklearn.cluster import KMeans
from matplotlib import pyplot as plt

1、准备数据集

data = pd.read_csv(r'basketball.csv')
data.head()

data.shape

2、Kmeans聚类

# 1.准备模型
km = KMeans(n_clusters=3)

# 2.训练模型
km.fit(data)

3、查看属性

# 1.质心
km.cluster_centers_

# 2.属于哪个簇
km.labels_

# 3.误差平方和
km.inertia_

4、最优模型

result = []
for n_clusters in range(2,10):
    for max_iter in  range(300,601,50):
        for tol in range(2,10):
            tol=tol*1e-5
            km = KMeans(n_clusters=n_clusters, max_iter=max_iter, tol=tol)
            km.fit(data)
            d = {'n_clusters':n_clusters, 'max_iter':max_iter, 'tol':tol, 'inertia': km.inertia_}
            result.append(d)

result

result_df = pd.DataFrame(result)

result_df

找到误差平方和最小,对应的模型参数

r = result_df.iloc[result_df['inertia'].argmin(), :]
type(r)

r

n_clusters = r['n_clusters']
n_clusters

max_iter = int(r['max_iter'])
max_iter

tol = r['tol']
tol

选择合适的K值

data.head()

data.shape

for n_clusters in range(2,20):
    print(n_clusters)

x = []
y = []
for n_clusters in range(2,20):
    print(n_clusters)
    km = KMeans(n_clusters=n_clusters, max_iter=max_iter, tol=tol)
    km.fit(data)
    # 保存n_clusters、误差平方和
    x.append(n_clusters)
    y.append(km.inertia_)

x

y

用n_clusters(k)作为横坐标,误差平方和作为中坐标---折线图(最优k)

plt.figure(figsize=(20, 8), dpi=100)
plt.plot(x, y)
plt.xlabel('K')
plt.ylabel('inertia')
plt.title('k-inertia relation')
# 将数字标注到折线图中
for a, b in zip(x, y):
    plt.text(a, b, round(b, 2), ha='center', va='bottom')

ppt-K-Means代码示例

法1

min_inertia = 10000000
k = 0

for i in range(5,30):
    km = KMeans(n_clusters=i)
    km.fit(data)
    inertia = km.inertia_
    if min_inertia > inertia:
        min_inertia = inertia
        k = i

min_inertia

k

法2

d = {}

for i in range(5,30):
    km = KMeans(n_clusters=i).fit(data)
    d[i] = km.inertia_

d

d_new = pd.Series(d)
d_new

d_new = pd.Series(d)
d_new.idxmin()

min(zip(d.values(), d.keys()))[1]

min(d.items(), key=lambda x: x[1])[0]

d_new

d_new.argmin()

d_new.argmin()3

e_min = 1000000
k = 0

for i in d:
#     print(i)
    if d[i] < e_min:
        e_min = d[i]
        k = i

e_min

k


### 聚类成3个簇

clf = KMeans(n_clusters=3)
clf.fit(data)

data.head()

clf.labels_

#y_pred=clf.predict(data)
#y_pred

plt.scatter(data['每分钟助攻数'],data['每分钟得分数'],c=clf.labels_,marker='x')

clf.cluster_centers_

plt.scatter(data['每分钟助攻数'],data['每分钟得分数'],c=clf.labels_,marker='x')
plt.scatter(clf.cluster_centers_[:,0],clf.cluster_centers_[:,1],c='red')

plt.xlabel('assists per min')
plt.xlabel('points per min')
plt.title('KMeans Basketball data')


  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值