用KMeans算法实现成绩的预测（并对一些数据进行可视化）

KMeans算法的原理：
通过K-Means算法实现对成绩的预测，K-means算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。
假设要把样本集分为k个类别，算法描述如下：
　　（1）适当选择k个类的初始中心，最初一般为随机选取；
　　（2）在每次迭代中，对任意一个样本，分别求其到k个中心的欧式距离，将该样本归到距离最短的中心所在的类；
　　（3）利用均值方法更新该k个类的中心的值；
　　（4）对于所有的k个聚类中心，重复（2）（3），类的中心值的移动距离满足一定条件时，则迭代结束，完成分类。
Kmeans聚类算法原理简单，效果也依赖于k值和类中初始点的选择。

import numpy as np
from sklearn.cluster import KMeans
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from pyecharts.charts.map import Map
from pyecharts.charts.line import Line


df = pd.DataFrame(pd.read_excel('成绩.xls'))#放成绩的excel文档，存放两门数据。Linux成绩和云计算成绩，各13个。
print(df)
print(df.describe())

plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
sns.set()
sns.distplot(df.云计算, bins=5, hist=True, kde=False)

plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
# 散点图
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.scatter(df['Linux'], df['云计算'])
plt.xlabel('Linux')
plt.ylabel('云计算')
plt.title('Linux和云计算成绩散点图')
plt.show()

# 箱形图
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
plt.title('云计算')
ax.boxplot(df['云计算'])
plt.show()

# 家庭地址
city = ['太原市', '大同市', '忻州市', '临汾市', '运城市', '吕梁市']
values = [3, 1, 1, 2, 4, 2]
map = Map("学生家乡", '山西', width=1200, height=600)
map.add('山西', city, values, visual_range=[1, 10], maptype='山西', is_visualmap=True, visual_text_color='#000')
map.render(path="./山西地图.html")


def loadData(filePath):
    fr = open(filePath, 'r+', encoding='utf-8')
    lines = fr.readlines()
    studentName = []
    studentGrade = []
    for line in lines:
        items = line.strip().split(",")
        studentGrade.append(items[0])
        studentName.append([float(items[i]) for i in range(1, len(items))])
    return studentName, studentGrade


class SingleLinearRegression:  #最小二乘法，散点图，计算回归曲线
    def __init__(self):
        self.a_ = None;
        self.b_ = None;

    def fit(self, x_train, y_train):
        x_mean = np.mean(x_train)
        y_mean = np.mean(y_train)

        fenzi = 0.0;
        fenmu = 0.0;
        for x_i, y_i in zip(x_train, y_train):
            fenzi += (x_i - x_mean) * (y_i - y_mean)
            fenmu += (x_i - x_mean) ** 2

        self.a = fenzi / fenmu
        self.b = y_mean - self.a * x_mean

        return self

    def predict(self, x_test_group):
        result = []
        for x_test in x_test_group:  # 对于每个输入的x都计算它对应的预测y值并加入列表中
            result.append(self.a * x_test + self.b)
        y_predict = np.array(result)  # 将列表转换为矩阵向量形式方便运算

        return y_predict


if __name__ == '__main__':
    name, studentGrade = loadData('D:\\Pycharm\\homework\\成绩.txt')
    km = KMeans(n_clusters=4)
    label = km.fit_predict(name)
    avegrade = np.sum(km.cluster_centers_, axis=1)
    StudentCluster = [[], [], [], []]
    for i in range(len(studentGrade)):
        StudentCluster[label[i]].append(studentGrade[i])
    for i in range(len(StudentCluster)):
        print("avegrade:%.2f" % avegrade[i])
        print(StudentCluster[i])

    x = np.array([88, 86, 87, 84, 77, 76, 85, 88, 84, 80, 85, 75, 68])
    y = np.array([83, 92, 76, 90, 81, 78, 76, 80, 63, 75, 70, 68, 47])
    l = SingleLinearRegression()
    l.fit(x, y)
    print('Linux分数为90的预测云计算成绩为：')
    print(l.predict([90]))

    # 画出散点图和预测图
    plt.scatter(x, y, color='b')
    plt.plot(x, l.predict(x), color='r')  # 画出预测后的线
    plt.xlabel('Linux')
    plt.ylabel('云计算')
    plt.show()

结果：