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