Python机器学习之聚类

Python机器学习笔记

K-means算法

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改变

具体实例

素材提取：
https://pan.baidu.com/s/1VIbeRVWODEQ21UNFnptznA
密码：hr8v

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。

首先建立工程，导入sklearn相关文件包； 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。