python sklearn K-Mearns---实例——消费水平

最新推荐文章于 2023-10-26 16:28:58 发布
最新推荐文章于 2023-10-26 16:28:58 发布
阅读量2.7k 收藏 18
点赞数 10
分类专栏： python 文章标签： python sklearn  K-mearns
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/rankiy/article/details/99843363
版权

sklearn.cluster.KMeans

K-mearns取类算法

k-mearns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
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取类中心
4、重复2、3直到取类中心不再发生改变

拓展
计算两条数据相似性时，sklearn.K-Means默认用欧式距离，
虽然还有余弦相似度，马氏距离等多种方法，但没有设定计算距离方法的参数

K-means的应用

数据介绍：
现有1999年全国31个省份城镇居民家庭平均每月全年消费性支出 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、服务、医疗保健、交通、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在国内的情况

技术路线

sklearn.cluster.Kmeans

数据

‘E:\python\Spyder_analysis\课程数据’1

实验过程

1、使用算法：K-means聚类算法
2、实现过程：
1、建立工程，导入sklearn相关包
import numpy as np
from sklearn.cluster import KMeans
2、加载数据，创建K-means算法实例，并进行训练，获得标签
3、输出标签，查看结果
将城市按照消费水平n_clusters类，消费水平相近的城市聚集在一类中
expense:聚类中心点的数值加和，也就是平均消费水平

调用K-Means方法所需参数：
km=KMeans(n_clusters=8,init=‘k-means++’,n_init=10,max_iter=300,tol=1e-4,
precompute_distances=‘auto’,verbose=0,random_state=None,
copy_x=True,n_jobs=None,algorithm=‘auto’)
n_clusters:用于指定取类中心的个数
init:初始聚类中心的初始化方法
max_iter:最大迭代次数
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

其他参数：
data:加载的数据
label:聚类后各数据所属的标签
fit_predict():计算簇中心以及为簇分配序号

代码实例

import numpy as np
from sklearn.cluster import KMeans
#定义数据导入方法
def loadData(filePath):
    fr=open(filePath,'r+')  #读写打开一个文本文件
    lines=fr.readlines()    #一次读取整 个文件（类似于.read())
    retData=[]              #城市各项信息
    retCityName=[]          #城市名称
    for line in lines:
        items=line.strip().split(",")
        retCityName.append(items[0])
        retData.append([items[i] for i in range(1,len(items))])
        #print(retCityName)
    return retData,retCityName


#加载数据，创建K-means算法实例，并进行训练，获得标签
if __name__=='__main__':
    filepath='E:/python/Spyder_analysis/课程数据/聚类/31省市居民家庭消费水平-city.txt'
    data,cityName=loadData(filepath)  #利用loadData方法读取数据
    km=KMeans(n_clusters=3)              #创建实例
    label=km.fit_predict(data)          #调用Kmeans() fit_predict()方法进行计算
    expenses=np.sum(km.cluster_centers_,axis=1)  
    #print(expenses)
    CityCluster=[[],[],[]]      #将城市 按label分成设定的簇，将每个簇的城市输出
    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])

  1. 数据
    北京,2959.19,730.79,749.41,513.34,467.87,1141.82,478.42,457.64
    天津,2459.77,495.47,697.33,302.87,284.19,735.97,570.84,305.08
    河北,1495.63,515.90,362.37,285.32,272.95,540.58,364.91,188.63
    山西,1406.33,477.77,290.15,208.57,201.50,414.72,281.84,212.10
    内蒙古,1303.97,524.29,254.83,192.17,249.81,463.09,287.87,192.96
    辽宁,1730.84,553.90,246.91,279.81,239.18,445.20,330.24,163.86
    吉林,1561.86,492.42,200.49,218.36,220.69,459.62,360.48,147.76
    黑龙江,1410.11,510.71,211.88,277.11,224.65,376.82,317.61,152.85
    上海,3712.31,550.74,893.37,346.93,527.00,1034.98,720.33,462.03
    江苏,2207.58,449.37,572.40,211.92,302.09,585.23,429.77,252.54
    浙江,2629.16,557.32,689.73,435.69,514.66,795.87,575.76,323.36
    安徽,1844.78,430.29,271.28,126.33,250.56,513.18,314.00,151.39
    福建,2709.46,428.11,334.12,160.77,405.14,461.67,535.13,232.29
    江西,1563.78,303.65,233.81,107.90,209.70,393.99,509.39,160.12
    山东,1675.75,613.32,550.71,219.79,272.59,599.43,371.62,211.84
    河南,1427.65,431.79,288.55,208.14,217.00,337.76,421.31,165.32
    湖南,1942.23,512.27,401.39,206.06,321.29,697.22,492.60,226.45
    湖北,1783.43,511.88,282.84,201.01,237.60,617.74,523.52,182.52
    广东,3055.17,353.23,564.56,356.27,811.88,873.06,1082.82,420.81
    广西,2033.87,300.82,338.65,157.78,329.06,621.74,587.02,218.27
    海南,2057.86,186.44,202.72,171.79,329.65,477.17,312.93,279.19
    重庆,2303.29,589.99,516.21,236.55,403.92,730.05,438.41,225.80
    四川,1974.28,507.76,344.79,203.21,240.24,575.10,430.36,223.46
    贵州,1673.82,437.75,461.61,153.32,254.66,445.59,346.11,191.48
    云南,2194.25,537.01,369.07,249.54,290.84,561.91,407.70,330.95
    西藏,2646.61,839.70,204.44,209.11,379.30,371.04,269.59,389.33
    陕西,1472.95,390.89,447.95,259.51,230.61,490.90,469.10,191.34
    甘肃,1525.57,472.98,328.90,219.86,206.65,449.69,249.66,228.19
    青海,1654.69,437.77,258.78,303.00,244.93,479.53,288.56,236.51
    宁夏,1375.46,480.89,273.84,317.32,251.08,424.75,228.73,195.93
    新疆,1608.82,536.05,432.46,235.82,250.28,541.30,344.85,214.40 ↩︎

Rankiy
关注
  • 10
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于python 全国31省市的城镇居民消费水平可视化分析聚类分析 完整代码数据 可直接运行
03-23 1679
基于python 全国31省市的城镇居民消费水平可视化分析聚类分析 完整代码数据 可直接运行
机器学习sklearn----KMeans实例(图片数据矢量量化的应用)
weixin_43776305的博客
12-04 2778
文章目录矢量量化理解KMeans聚类法导入数据采用KMeans矢量化随机质心法 矢量量化理解 矢量量化可以理解为数据的压缩，可以看作是一种降维的过程，只是和我们之前知道的降维算法的理论完全不一样。 举例来说，我们有一张600 x 600 个像素点的图片，每个像素点有一个颜色，那么这个图片上存在的信息就有360000个。图片上有很多的像素点之间的颜色差异微乎其微，那么我们就可以将这些像素点看作是同一个像素点(相当于KMeans的质心)，将这些像素点的颜色替换为同一个颜色。图片的矢量量化就是将每个像素点的颜色用
python机器学习聚类实例之31个省份的居民消费聚类（包含数据）
Blackoutdragon的博客
01-29 6710
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。 实际数据（直接复制到当前工程下的city.txt文件中） 北京,2959.19,730.79,749.41,513.34,467.87,1141.82,478.42,457.64 天津,2459.77,495.47,697.33,302.87,284.19,735.9
SPSS Modeler用K-means（K-均值）聚类、CHAID、CART决策树分析31省市土地利用情况和GDP数据...
最新发布
拓端研究室TRL
10-26 66
全文链接：http://tecdat.cn/?p=32840随着经济的快速发展和城市化进程的不断推进，土地资源的利用和管理成为了一项极为重要的任务（点击文末“阅读原文”获取完整代码数据）。相关视频而对于全国各省市而言，如何合理利用土地资源以及如何影响GDP，通过科学的方法进行规划和管理，是提高土地利用效率的关键。本文旨在应用SPSS Modeler，帮助客户采用K-means（K-均值）聚类、CH...
基于KMeans聚类算法进行简单的数据分类
Chenciyuan_nj的博客
08-14 7733
——以二维数组、鸢尾花和中国城市经纬度为实例 先简单了解下Kmeans聚类算法。聚类算法属于无监督学习，其中的KMeans算法是将一组有N个样本的数据划分成K个不相交的 clusters （簇） C。 means （均值）通常被称为 cluster（簇）的 “centroids（质心）”; 注意，它们...
机器学习系列（六） -- K-means算法 （食物数据集）
gm0012的博客
12-03 3227
K-means是一种最流行的聚类算法 属于无监督学习 可以在数据集分为相似的组（簇），使得组内数据的相似度较高，组间之间的相似度较低 步骤： # 1 从样本中选择k个点作为初始簇中心 # 2 计算每个样本到各个簇中心的距离，将样本换分到距离最近的簇中心所对应的簇中 # 3 根据每个簇中所有样本，重新计算簇中心，并更新 # 4 重复步骤2 3 直到簇中心的位置变化小于指定的阈值或者达到最大迭代次数为 数据读取 import numpy as np import pandas as pd data = pd
机器学习算法----聚类 (K-Means、LVQ、GMM、DBSCAN、AGNES) (学习笔记)
深度不学习！！的博客
04-05 3023
文章目录聚类简介聚类和分类的区别基础概念外部指标内部指标距离度量和非距离度量距离度量方法有序属性和无序属性原型聚类k均值算法(K-means)学习向量化（LVQ）高斯混合聚类（GMM）密度聚类(DBSCAN)层次聚类(AGNES)学习参考 聚类简介 之前学习的决策树、随机森林或者逻辑回归都属于有监督学习，就是有老师在指导他，给了他特征和真实标签lable。 今天的这个聚类算法就是无监督学习，不需要真实标签lable。 聚类结果:将数据划分成有意义的‘簇’ （类似于集合），簇内样本尽快可能的相同，簇间尽可能的
【K-Means】基于经纬度的城市聚类
Kevin Tang的博客
02-06 1万+
K-Means聚类算法是一种非层次聚类算法，在最小误差的基础上将数据划分了特定的类，类间利用距离作为相似度指标，两个向量之间的距离越小，其相似度就越高。已知中国部分二级城市的经纬度，要求利用经纬度坐标进行K-Means聚类分析。...............
K-Means聚类中国城市
lilong117194的博客
12-05 4823
聚类是一种学习方法，即把物理或抽象对象的集合分组为由彼此类似的对象组成的多个类的分析过程。K-Means是基于向量距离来做聚类的 算法步骤： 从n个向量对象任意选择k个向量作为初始聚类中心 根据步骤1中的设置的k个向量（中心对象向量），计算每个对象与这k个中心对象各自的距离。 对于步骤2中的计算，任意一个向量与这k个向量都有一个距离，把这个向量和距离它最近的中心向量对象归到一个类簇中。 重新计算每
K-means聚类分析
m0_56444893的博客
10-29 1847
1.K-means的原理 1.1聚类分析的基本思想 先随机选取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。一旦全部对象都被分配了，每个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。终止条件可以是以下任何一个： （1) 没有（或最小数目）对象被重新分配给不同的聚类。 （2)没有（或最小数目）聚类中心再发生变化。 （3)误差平方和局部最小。 1
Python机器学习应用_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数据
06-19
慕课Python机器学习应用K-means算法示例数据集
K-Means（聚类）
热门推荐
https://blog.csdn.net/sinat_36710456
02-28 14万+
说到聚类，应先理解聚类和分类的区别，很多业务人员在日常分析时候不是很严谨，混为一谈，其实二者有本质的区别。 分类：分类其实是从特定的数据中挖掘模式，作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器，一开始的时候可能什么都不过滤，在日常使用过程中，我人工对于每一封邮件点选“垃圾”或“不是垃圾”，过一段时间，Gmail就体现出一定的智能，能够自动过滤掉一些垃圾邮件了。这是因为在点选的过程中...
K-means原理、优化及应用
weixin_42029738的博客
08-23 9万+
　K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。K-Means算法有大量的变体，本文就从最传统的K-Means算法讲起，在其基础上讲述K-Means的优化变体方法。包括初始化优化K-Means++, 距离计算优化elkan K-Means算法和大数据情况下的优化Mini Batch K-Means算法。 1. K-Means原理初探 　　　　K-Me...
Scikit-learn机器学习实战之Kmeans
沉心修炼
01-04 1万+
Scikit-learn中Kmeans实例
使用K-means算法进行聚类分析
KylinSchmidt的博客
01-25 1万+
原理 对于最流行的聚类算法K-means算法，它的算法步骤如下： 1）从样本点中随机选择k个点作为初始簇中心。 2）将每个样本点划分到距离它最近的中心点μ(j)\mu^{(j)}μ(j)，j∈{1,⋯ ,k}j\in\{1,\cdots,k\}j∈{1,⋯,k}所代表的簇中。 3）用各簇中所有样本的中心点代替原有的中心点。 4）重复步骤2和3，直到中心点不变或达到预定迭代次数时，算法终止。 K-means算法的目标函数为簇内误差平方和（within-cluster sum of squared errors
Kmeans聚类分析
qq_51934529的博客
09-02 1万+
.
项目分享：聚类算法城市餐饮数据分析与店铺选址
switch_mooood的博客
07-07 651
餐饮业生意好坏的影响因素通常有很多，包括店铺菜系、口味、服务态度、周边环境、人口密度、所在区域、人均消费等等方面。本项目以上海城市为例，对其餐饮业消费数据进行统计分析，从三个维度“口味”、“人均消费”、“性价比”对不同菜系进行横向比较。针对某一商铺类型，将上海划分成格网空间，做空间指标评价，基于聚类算法，得到较好选址的网格位置的中心坐标，以及所属区域。
31省市居民家庭消费调查
m0_71341671的博客
05-25 296
# 聚类：Kmeans算法实现（需人为指定分成几类） #1.建立工程，导入sklearn相关包 import numpy as np from sklearn.cluster import KMeans #KMeans聚类算法 #2.加载数据，创建K-means算法实例，并进行训练，获得标签 def loadData(filePath): #读取城市名retCityName和各项数据retData fr = open(filePath,'r+',encoding='utf-8') line...
机器学习应用——无监督学习（实例:31省市居民家庭消费调查&学生上网时间分布聚类&鸢尾花数据&人脸数据特征提取）
qq_51308373的博客
12-07 1万+
前言 机器学习应用博客中，将核心介绍三大类学习，即：无监督学习、监督学习、强化学习。 本篇将简要介绍： 1.无监督学习概念（最常应用场景：聚类(clustering)和降维(Dimension Reduction)） 2.聚类——kmeans方法（居民家庭消费调查）、DBSCAN方法（学生上网时间分布） 3.降维——PCA方法（鸢尾花数据）、NMF方法（人脸数据特征提取） 一、无监督学习简要介绍 1.目标&定义 （1）无监督学习：利用无标签的数据，学习数据的分布或数据与数据之间的关系被称作无监督学习
聚类分析——SPSS实例分析
qq_52862974的博客
05-13 8772
聚类（Clustering）就是一种寻找数据之间内在结构的技术。聚类把全体数据实例组织成一些相似组，而这些相似组被称作簇。处于相同簇中的数据实例彼此相同，处于不同簇中的实例彼此不同。聚类技术通常又被称为无监督学习。文章以系统聚类（层次聚类）和快速聚类（K-means）方法为例，展示SPSS具体操作过程及分析步骤。在SPSS数据窗口中录入上表中的数据，然后选择 Analyze - Classify 命令， Classify 命令下有两个常用的聚类分析命令。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值