机器学习9 计算折线图拐点斜率的变化

重点回忆：调参，绘图

1，调参

思路是：
在外边新建一个变量result让它等于一个空列表 result = []
构建循环 for在循环里边构建字典，把结果储存在一个字典里 d = {}
把字典追加到result中，result.append(d)

result = []
for n_clusters in range(2,10):
    for max_iter in range(300,601,50): #最大迭代次数
        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)
            
            #参数，重要的结果（如DBSCAN中n的个数）
            d={'n_clusters':n_clusters,'max_iter':max_iter,'tol':tol,'inertia':km.inertia_}
            result.append(d)

接下来可以生成DataFrame，或者导出成.csv文件

2,绘图

先用x，y构建储存横纵坐标的列表

然后绘图

plt.plot(x,y,"o-")

括号里分别是x,y坐标和线段样式

拐点变化作差，计算斜率

发现从4-5变化量已经和上一次3-4的差很接近，变化很小了，所以从4以后这个区域都可以选（一般选4-6）

代码实现：分三个层次的成果，先展示成果，在详细拆解步骤

第1次成果

len(y)

result = []
for i in range(len(y)-1):
    result.append({str(x[i])+'-'+str(x[i+1]):y[i]-y[i+1]})

result

result_df = pd.DataFrame(result)
result_df

第1次成果拆解

《DBSCAN算法2》剩余36:38开始：
x和y已经得到两个list，只需要遍历到y的个数减一个 len(y)-1
用一个字典储存每一次的key和value

#以y的长度来遍历
for i in range(len(y)):
    print(i)

因为作差是 第i+1项 减去 第i项，所以作差遍历的长度为range(len(y)-1),原本18个元素，作差的话就只有17项

构建一个空列表，每次的结果用一个字典追加保存

result = []
for i in range(len(y)-1):
	 result.append({str(x[i])+'-'+str(x[i+1]):y[i+1]-y[i]})
result	 

可以看到这里的值是负数，变成正数更方便理解
只需要把字典中的值value变成y[i]-y[i+1]即可（前者减去后者）

用DataFrame查看

result_df = pd.DataFrame(result)
result_df

可以发现这个DataFrame由于没有统一的列坐标，所以全部变到对角线上了，下一步我们就单独增设俩列变量，让它变成常见的DataFrame

第2次成果

#新增两个列名，让DataFrame更直观
result = []
for i in range(len(y)-1):
    d={'k':str(x[i])+'-'+str(x[i+1]),'inertia':y[i]-y[i+1]}
    result.append(d)

result

result_df = pd.DataFrame(result)
result_df

第2次成果拆解

先看看Series()是什么效果

单独把字典d先拎出来,便于理解

result = []
for i in range(len(y)-1):
	d = {str(x[i])+'-'+str(x[i+1]):y[i]-y[i+1]}
    result.append(d)

只需要把字典里的key和value单独命名一个名字，进行统一即可：

d={'k':str(x[i])+'-'+str(x[i+1]),'inertia':y[i]-y[i+1]}

现在已经有了这个结果，还需要我们增加一列比率，我们用bilv表示更加直观的一下子就知道表格哪里变化最明显

现在的代码这么写也可以，单独把k和inertia提出来，对比一下两种写法

第3次成果

#把上面两个for循环合并
k = []
inertia = []
bilv = []

for i in range(len(y)-1):
    #i=0
    
    k.append(str(x[i])+'-'+str(x[i+1]))
    iner = y[i]-y[i+1]
    inertia.append(iner)
    
    if i==-0:
        bilv.append('-')
    else:
        bilv.append(inertia[i-1]/iner)

df = pd.DataFrame(k,columns=['K'])
df['inertia'] = inertia
df['bilv']=bilv
df

第3次成果拆解

首先有x和y x代表k，y代表inertia


k是聚类个数，inertia是前后两个作差

比率就是前一个÷第二个，总共len(inertia)=17行，运行16次即可

bilv = [inertia[0]] #比率
for j in range(len(inertia)-1):
    bilv.append(inertia[j]/inertia[j+1])
bilv

第一个忽略不看，或者写成bilv = ['-'],这样第一个就是-


这里我算的有问题，正确的DataFrame：

这里的第七个明显变大了，说明前一个比后一个大很多，因此，k取9-10

---

最后，可以把这两个for循环合二为一（暂时不看这个，太难了）