不同类型故障数据的聚类

前言

提示：故障数据属于无标签类型，要对这类型的数据进行一个分类，一般使用到无监督的方法，聚类属于一种无监督的算法，这里使用的也是较为简单的kmeans算法。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、Kmeans是什么？

在“无监督学习中”，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础。其中，k-means（k均值）算法是其中一种非常著名地、较容易理解的算法，本次的案例使用的也是kmeans。具体数学推导原理，网上非常多的优秀介绍，在此只简单的演示一下代码。

二、使用步骤

1.引入库

代码如下（示例）：

import matplotlib.pyplot as plt
import scipy.io as scio         //一个可以处理.mat类型文件的库
from sklearn.cluster import KMeans    // kmeans的库
import numpy as np
from sklearn.decomposition import PCA    // 数据降维

2.读入数据

代码如下（示例）：

dataFile_train = "../train_filename.mat"
dataFile_test = "../test_filename.mat"
data_1 = scio.loadmat(dataFile_train)
data_2 = scio.loadmat(dataFile_test)
//scio 加载后的数据是一个字典格式的数据，下面根据键值取出所需数据
Train_data