机器学习——Kmeans算法

一、实验目的

学习sklearn模块中的KMeans算法

二、实验内容

学习KMeans算法，了解模型创建、使用模型及模型评价等操作

三、实验原理或流程

实验原理：

K-means算法是将样本聚类成k个簇(cluster)，具体算法描述如下:

1、随机选取k个聚类质心点(cluster centroids)为

2、重复下面过程直到收敛{
对于每一个样例i，计算其应该属于的类

对于每一个类j，重新计算该类的质心

K是我们事先给定的聚类数，c(i)代表样例i与k个类中距离最近的那个类，c(i)的值是1到k中的一个。质心uj代表我们对属于同一个类的样本中心点的猜测，拿星团模型来解释就是要将所有的星星聚成k个星团，首先随机选取k个宇宙中的点(或者k个星星)作为k个星团的质心，然后第一步对于每一个星星计算其到k个质心中每一个的距离，然后选取距离最近的那个星团作为c(i)，这样经过第一步每一个星星都有了所属的星团;第二步对于每一个星团，重新计算它的质心uj (对里面所有的星星坐标求平均)。重复迭代第一步和第二步直到质心不变或者变化很小。求点群中心的算法:
一般来说，求点群中心点的算法你可以使用各个点的X/Y坐标的平均值。

四、实验过程及源代码

1.打开终端模拟器，切换到/data目录下，使用wget命令下载实验数据

​

2.开启jupyter notebook

​

3.创建一个.ipynb文件

​

4.使用pandas的read_table方法读取protein.txt文件，以\t分隔并传入protein

​

5.查看protein的描述性统计

​

​6.查看protein的列名
 

​

7.用.shape方法可以读取矩阵的形状

​

​8.导入sklearn模块中的preprocessing函数
 

​

9.导入sklearn模块中的KMeans方法

​

​10.导入Matplotlib模块
 

​

11.使用KMeans算法生成实例myKmeans

​​

12.利用.fit(方法对sprotein_scaled进行模型拟合

​

13.打印输出myKmeans模型

​

14.使用.predict方法，用训练好的模型进行预测

​

​15.编写print_kmcluster函数并输出结果

​​

​

​

​

五、实验结论及心得

结论：

kmean算法的特点是不能保证该算法收敛域全局最优解，并且它常常终止于一个局部最优解。结果可能依赖于初始簇中心的随机选择，所以为了尽可能的得到好的结果，我们通常会选择不同的初始簇中心，来多疑运行K-均值算法。​

算法优点：
1）原理比较简单，实现也是很容易，收敛速度快。
2）聚类效果较优。
3）算法的可解释度比较强。
4）主要需要调参的参数仅仅是簇数k。
算法缺点：
1）K值的选取不好把握 

2）对于不是凸的数据集比较难收敛
3）如果各隐含类别的数据不平衡，比如各隐含类别的数据量严重失衡，或者各隐含类别的方差不同，则聚类效果不佳。
4） 采用迭代方法，得到的结果只是局部最优。

心得体会：

学习sklearn模块中的KMeans算法，我了解到它是一种聚类分析的算法。该算法通过不断迭代调整簇心的位置，将数据集划分为多个簇，使得每个簇内部的样本相似度越高，而不同簇之间的样本相似度越低。在使用KMeans算法时，需要指定簇的数量，同时也可以通过设置不同的参数来调整算法的性能。此外，sklearn中还提供了其他的聚类算法，如DBSCAN、层次聚类等，可以根据实际任务需求进行选择。​
​