无监督学习--K-means聚类算法学习

无监督学习–K-means聚类算法学习

介绍：k-means算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度比较低。
其处理过程如下：
1、随机选择k个点作为初始的聚类中心；
2、对于剩下的点，根据其与聚类中心的距离，将其归入最近的簇；
3、对每个簇，计算所有点的均值作为新的聚类中心；
4、重复2、3直到聚类中心不再发生变化；

数据介绍:
现有1999年全国31个省份城镇居民家庭平均每人全年消费性支出的八个主要变量数据,这八个变量分别是:食品、衣着、家庭设备用品及服务、医疗保健、交通和通讯、娱乐教育文化服务、居住以及杂项商品和服务。利用已有数据,对31个省份进行聚类。

实验目的:

通过聚类,了解1999年各个省份的消费水平国内的情况。

实验过程:

• 使用算法:k-means聚类算法
• 实现过程:

1.建立工程,导入sklearnt入相关包

		import numpy as np
		from sklearn cluster import Kmeans

关于一些相关包的介绍：
*Numpy是python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。
*使用sklearn.cluster.Kmeans可以调用k-means算法进行聚类

2.加载数据，创建k-means算法实例，并进行训练，获得标签：

if __name__ == '__main__':
    data,cityName = loadData(('a.txt'))		#1.利用loadData方法读取数据                                         
    km = KMeans(n_clusters=4)				#2.创建实例	
    label = km.fit_predict(data)			#3.调用Kmeans()fit_predict()方法进行计算
    expenses = np.sum(km.cluster_centers_,axis=1)
    CityCluster =[[],[],[],[]]
    for i in range(len(cityName)):
        CityCluster[label[i]].append(cityName[i])
    for i in range(len(CityCluster)):
        print("Expenses:%.2f" % expenses[i] )
        print(CityCluster[i])


data,cityName = loadData('city.txt')
km = KMeans(n_clusters = 3)
label = km.fit_predict(data)
expenses = np.sum(km.cluster_centers_,axis=1)

调用k-means方法所需参数:

n_clusters：用于指定聚类中心的个数
init：始聚类中心的初始化方法
max_iter：最大的迭代次数

一般调用时只用给出n_clusters即可,init默认是k-means++，max_iter默认
是300

## 其它参数:

data：加载的数据
label：聚类后各数据所属的标签，以0到n（聚类中心数目）标志每个城市，并存储在一个数组中
axis：按行求和
fit_predict()：计算簇中心以及为簇分配序号

重点方法loadData解释：

def loadData(filePath):
    fr = open(filePath,'r+')             #r+:读写打开一个文本文件
    lines = fr.readlines()               #read()每次读取整个文件，它通常用于将文件内容放到一个字符串变量中
    retData = []    #存储各项消费信息     #readlines()一次读取整个文件，它通常用于将文件内容放到一个字符串变量中
    retCityName = [] #用来存储城市名称    #readline()每次只读取一行，通常比readline慢。仅当没有足够内存可以一次读取整个文件时，才应使用readline
    for line in lines:
        items = line.strip().split(",")
        retCityName.append(items[0])
        retData.append([float(items[i]) for i in range(1, len(items))])
    return retData,retCityName           #返回城市名称，以及该城市的各项消费信息

结果如下：

源码：

import numpy as np
# coding:UTF-8
from sklearn.cluster import KMeans #k-means算法
def loadData(filePath):
    fr = open(filePath,'r+')             #r+:读写打开一个文本文件
    lines = fr.readlines()               #read()每次读取整个文件，它通常用于将文件内容放到一个字符串变量中
    retData = []    #存储各项消费信息     #readlines()一次读取整个文件，它通常用于将文件内容放到一个字符串变量中
    retCityName = [] #用来存储城市名称    #readline()每次只读取一行，通常比readline慢。仅当没有足够内存可以一次读取整个文件时，才应使用readline
    for line in lines:
        items = line.strip().split(",")
        retCityName.append(items[0])
        retData.append([float(items[i]) for i in range(1, len(items))])
    return retData,retCityName           #返回城市名称，以及该城市的各项消费信息
if __name__ == '__main__':
    data,cityName = loadData(('a.txt'))
    km = KMeans(n_clusters=4)
    label = km.fit_predict(data)
    expenses = np.sum(km.cluster_centers_,axis=1)
    CityCluster =[[],[],[],[]]
    for i in range(len(cityName)):
        CityCluster[label[i]].append(cityName[i]) #append方法用于列表末尾添加对象
    for i in range(len(CityCluster)):
        print("Expenses:%.2f" % expenses[i] )
        print(CityCluster[i]

参考：https://blog.csdn.net/github_39261590/article/details/76910689
数据集下载地址：https://pan.baidu.com/s/1eR7doh8