【Python】K-means聚类（获取每个簇中的样本等）

【Python】K-means聚类（获取每个簇中的样本）

1. K-means介绍

k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。

1.1 API

from sklearn.cluster import KMeans
KMeans(n_clusters=8,init='k-means++',n_init=10,max_iter=300,tol=0.0001,precompute_distances='auto',verbose=0,random_state=None,copy_x=True,n_jobs=1,algorithm='auto')
# n_clusters: class的个数；
# max_inter: 每一个初始化值下，最大的iteration次数；
# n_init: 尝试用n_init个初始化值进行拟合;
# tol: within-cluster sum of square to declare convergence;
# init= ‘k-means++’：可使初始化的centroids相互远离；

2. 代码示例

import numpy as np
from sklearn.cluster import KMeans

def clustering(Z):
    model = KMeans(3, n_init=10)
    cluster_id = model.fit_predict(Z)

    print('聚类结果:', cluster_id)
    clusters = []
    for i in range(3):
        clusters.append([j for j, x in enumerate(cluster_id) if x == i])
    print('每个簇中的样本:', clusters)
    n = len(cluster_id)
    R = np.zeros((n, n))
    for i in range(3):
        c = [[x] for x in clusters[i]]
        R[c, clusters[i]] = 1
    print('矩阵对应点为1,则代表两个点在一个簇:\n', R)
    

x = np.array([[1.0, 1.0, 1.0], 
              [2.0, 3.0, 2.0],
              [3.0, 3.0, 2.0],
              [1.0, 3.0, 5.0],
              [2.0, 3.0, 6.0],
              [2.0, 1.0, 2.0],
              [2.0, 4.0, 2.0],
              [6.0, 3.0, 2.0],
              [2.0, 0.0, 1.0],
              [8.0, 3.0, 2.0],
              ])

clustering(x)

3. 输出结果

聚类结果: [0 0 0 2 2 0 0 1 0 1]
每个簇中的样本: [[0, 1, 2, 5, 6, 8], [7, 9], [3, 4]]
矩阵对应点为1,则代表两个点在一个簇:
 [[1. 1. 1. 0. 0. 1. 1. 0. 1. 0.]
 [1. 1. 1. 0. 0. 1. 1. 0. 1. 0.]
 [1. 1. 1. 0. 0. 1. 1. 0. 1. 0.]
 [0. 0. 0. 1. 1. 0. 0. 0. 0. 0.]
 [0. 0. 0. 1. 1. 0. 0. 0. 0. 0.]
 [1. 1. 1. 0. 0. 1. 1. 0. 1. 0.]
 [1. 1. 1. 0. 0. 1. 1. 0. 1. 0.]
 [0. 0. 0. 0. 0. 0. 0. 1. 0. 1.]
 [1. 1. 1. 0. 0. 1. 1. 0. 1. 0.]
 [0. 0. 0. 0. 0. 0. 0. 1. 0. 1.]]