机器学习 上网时长分析

机器学习 上网时长分析

import numpy as np 
import sklearn.cluster as skc #聚类模块
from sklearn import metrics    #计算距离模块
import matplotlib.pyplot as plt 




mac2id=dict() 
onlinetimes=[] #存入的是起止时间元组（）
f=open('TestData.txt',encoding='utf-8') 
#print(f)
for line in f:     
    mac=line.split(',')[2]     #读取mac地址
    onlinetime=int(line.split(',')[6])     #上网时长
    starttime=int(line.split(',')[4].split(' ')[1].split(':')[0])   #开始上网时间 取22 2014-07-20 22:44:18.540000000
    #如果mac地址不在列表中，则该地址对应的字典VALUE等于对应的时长长度，在线时长列表加入开始上网时间和上网总时间
    #否则，在线时长列表,字典用来计算每个时长的数量
    if mac not in mac2id:         
        mac2id[mac]=len(onlinetimes)    #?     
        onlinetimes.append((starttime,onlinetime))     
    else:         
        onlinetimes[mac2id[mac]]=[(starttime,onlinetime)] 
real_X=np.array(onlinetimes).reshape((-1,2)) 
X=real_X[:,0:1] 
db=skc.DBSCAN(eps=0.01,min_samples=20).fit(X) #用DBSCAN训练，eps=0.01,簇
labels = db.labels_ #每个数据的簇标签

print('Labels:') 
print(labels) 

raito=len(labels[labels[:] == -1]) / len(labels) #计算标签为负一，即噪声的比例
print('Noise raito:',format(raito, '.2%')) 

n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
print('Estimated number of clusters: %d' % n_clusters_) 
print("Silhouette Coefficient: %0.3f"% metrics.silhouette_score(X, labels)) 



for i in range(n_clusters_):     
    print('Cluster ',i,':')     
    print(list(X[labels == i].flatten())) #变成一维     
    plt.hist(X,24)