1.常用聚类
划分方法 | K-meas,K-MEDOIDS,CLARNS |
层次分析法 | BIRCH,CURE,CHAMELEON |
基于密度 | DBSAN,DENCLUE,OPTICS |
基于网格 | STING,CLIOUE,WAVE-CLUSTER |
2.数据度量:欧几里得算法、曼哈顿距离、闵可夫斯基距离
3.聚类主要算法(sklearn.cluster)
Kmeans | k均值聚类 |
AffinityPropagation | 吸引力传播聚类 |
MeanShift | 均值飘移聚类 |
SpectralCluster | 谱聚类 |
AgglomerativeCluster | 层次聚类 |
DBSCAN | 有噪声基于密度聚类 |
BIRCH | 综合层次聚类,大规模聚类 |
数据举例 data.xls
Id | R | F | M |
1 | 27 | 6 | 232.61 |
2 | 3 | 5 | 1507.11 |
3 | 4 | 16 | 817.62 |
4 | 3 | 11 | 232.81 |
5 | 14 | 7 | 1913.05 |
6 | 19 | 6 | 220.07 |
7 | 5 | 2 | 615.83 |
8 | 26 | 2 | 1059.66 |
9 | 21 | 9 | 304.82 |
10 | 2 | 21 | 1227.96 |
... |
#-*- coding: utf-8 -*-
#使用K-Means算法聚类消费行为特征数据
import pandas as pd
#参数初始化
inputfile = 'data.xls' #销量及其他属性数据
outputfile = 'data_result.xls' #保存结果的文件名
k = 3 #聚类的类别
iteration = 500 #聚类最大循环次数
data = pd.read_excel(inputfile, index_col = 'Id') #读取数据
data_zs = 1.0*(data - data.mean())/data.std() #数据标准化
from sklearn.cluster import KMeans
model = KMeans(n_clusters = k, n_jobs = 1, max_iter = iteration) #分为k类,并发数1
model.fit(data_zs) #开始聚类
#简单打印结果
r1 = pd.Series(model.labels_).value_counts() #统计各个类别的数目
r2 = pd.DataFrame(model.cluster_centers_) #找出聚类中心
r = pd.concat([r2, r1], axis = 1) #横向连接(0是纵向),得到聚类中心对应的类别下的数目
r.columns = list(data.columns) + [u'num_clarify'] #类别数目
print(r)
#详细输出原始数据及其类别
r = pd.concat([data, pd.Series(model.labels_, index = data.index)], axis = 1) #详细输出每个样本对应的类别
r.columns = list(data.columns) + [u'cluster_clarify'] #聚类类别
r.to_excel(outputfile)
def density_plot(data): #作图函数
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
p = data.plot(kind='kde', linewidth = 2, subplots = True, sharex = False)
[p[i].set_ylabel(u'midu') for i in range(k)]
plt.legend()
return plt
pic_output = 'pd_'
for i in range(k):
density_plot(data[r[u'cluster_clarify']==i]).savefig(u'%s%s.png' %(pic_output, i))