完整K-Means算法的实现及聚类结果；sklearn中的kMeans

任务1 完整K-Means算法实现及聚类结果

补全完整的K-Means算法代码
在数据集data.csv上评价 K-Means 算法的聚类结果
绘出质心与所属样本欢迎使用Markdown编辑器

预期实验结果

1. kMeans 聚类代码实现

import numpy as np

def distEuclidean(vecA, vecB):
    return np.sqrt(np.square(vecA-vecB).sum())

def randCent(dataArr, k):
    n = np.shape(dataArr)[1]
    centroids = np.mat(zeros((k,n)))  # 创建中心矩阵
    for i in range(n):  # 在数据范围内，为每个维度生成随机值
        minJ = np.min(dataArr.values[:,i]) 
        maxJ = np.max(dataArr.values[:,i])
        rangeJ = float(maxJ - minJ)
        np.random.seed(12345)
        centroids[:,i] = minJ + rangeJ * random.rand(k,1)
    return centroids


def kMeans(dataArr, k):

    m = dataArr.shape[0] #获取样本数
    clusterAssment = np.mat(zeros((m, 2))) # 创建存储簇分配结果的矩阵

    clusterChanged = True # 簇分配结果改变标志
    centroids = randCent(dataArr, k) #创建初s始质心

    while clusterChanged:
        clusterChanged = False
        # 1. 遍历每个数据点，计算其与各簇中心的距离，以最近簇作为分配结果
        for i in range(m):
            minDist = float('inf');
            minIndex = -1
            for j in range(k):
                distJI = distEuclidean(centroids[j],dataArr.iloc[[i]].values)
                if distJI < minDist:
                    minDist = distJI;
                    minIndex = j
            if clusterAssment[i,0] != minIndex:
                clusterChanged = True
            clusterAssment[i,:] = minIndex, minDist**2

        # 2. 重新计算各簇的中心
        for cent in range(k):
            ptsInClust = dataArr[clusterAssment[:,0]==cent] #获取分到同一类的样本
            centroids[cent,:] = np.mean(ptsInClust, axis=0) #求分配到同一类样本的均值
    return centroids, clusterAssment

2. 展示kMeans聚类结果

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns # 导入seaborn包
sns.set_context("notebook",font_scale=1.3) # notebook格式，放大横纵坐标标记
sns.set_palette('Set2') # 配色使用Set2  
%matplotlib inline 
%config InlineBackend.figure_format = 'retina' # retina高清显示


def plotResult(data, k):
    np.random.seed(6)
    centroids,clusterAssment = kMeans(data, k)
    print("最终质心：")
    print(centroids)
    print("点所属簇的标签：")
    print(clusterAssment[:, 0].T)
    rect=[0.1, 0.1, 0.8, 0.8]
    fig = plt.figure()
    markers = ['s', 'o', '^', 'd']
    ax = fig.add_axes(rect)
    for cent in range(4): #提取出每个簇的数据
        # 簇内数据矩阵和簇中心
        ptsInCluster = data.values[np.nonzero(clusterAssment[:, 0].A==cent)[0]] #获得属于cent簇的数据
        ax.scatter(ptsInCluster[:, 0], 
                   ptsInCluster[:, 1],
                   marker=markers[cent],
                   s=45)

    ax.scatter(centroids[:, 0].flatten().A[0], 
               centroids[:, 1].flatten().A[0], 
               marker='+',
               s=100,
               c='k')

3. 加载数据，调用上述函数，评价聚类结果

data = pd.read_csv('data.csv')
plotResult(data, 4)

任务2 sklearn中的kMeans

调用sklearn中提供的kMeans算法
在数据集data.csv上评价 K-Means 算法的聚类结果
绘出质心与所属样本
对比分析与自己实验的kmeans聚类的实验结果的差异

预期实验结果

# 导入 sklearn中的KMeans工具包
import numpy as np
from sklearn.cluster import KMeans

#画图函数
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns # 导入seaborn包
sns.set_context("notebook",font_scale=1.3) # notebook格式，放大横纵坐标标记
sns.set_palette('Set2') # 配色使用Set2  
%matplotlib inline 
%config InlineBackend.figure_format = 'retina' # retina高清显示

def plotResult(data, k):
    # 调用 sklearn 中提供的 KMeans 函数
    kmeans_ = KMeans(n_clusters=k, init='random')
    kmeans_.fit(data)

    centroids = kmeans_.cluster_centers_
    clusterAssment = kmeans_.labels_
    print("最终质心：")
    print(centroids)
    print("点所属簇的标签：")
    print(clusterAssment)
    rect=[0.1, 0.1, 0.8, 0.8]
    fig = plt.figure()
    markers = ['s', 'o', '^', 'd']
    ax = fig.add_axes(rect)
    for cent in range(4):
        # 簇内数据矩阵和簇中心
        ptsInCluster = data.values[np.nonzero(clusterAssment==cent)[0]]
        ax.scatter(ptsInCluster[:, 0], 
                   ptsInCluster[:, 1],
                   marker=markers[cent],
                   s=45)

    ax.scatter(centroids[:, 0].flatten(), 
               centroids[:, 1].flatten(), 
               marker='+',
               s=100,
               c='k')

加载数据，调用上述函数，评价聚类结果

# 加载数据
data = pd.read_csv('data.csv')
# 调用聚类函数，并展示聚类结果
plotResult(data, 4)