初识机器学习 | 8.聚类算法

import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from sklearn import datasets

%matplotlib
%matplotlib inline
%config InlineBackend.figure_format = 'retina'

Using matplotlib backend: MacOSX

# 加载数据
df = pd.read_csv('https://query.data.world/s/ei6k5toqscwnarxr2ttfavrx2zodxc')
df.head(5)

	number	density	sugercontent
0	1	0.697	0.460
1	2	0.774	0.376
2	3	0.634	0.264
3	4	0.608	0.318
4	5	0.556	0.215

df.plot.scatter(x='density', y='sugercontent')

<matplotlib.axes._subplots.AxesSubplot at 0x11a539780>

K-Means算法

对于给定样本集，按照样本之间的距离大小，将样本集划分为K个簇，让簇内的点尽量紧密的连在一起，而让簇间的距离尽量大。

$$E=\sum _{i=1}^k\sum _{\mathbf{x}\in C_i}{\Vert \mathbf{x}-{\mathbf{\mu }}_i\Vert }_2^2$$