scikit-learn/k-means算法简单应用

环境：scikit-learn0.18,python3

机器学习中，K-Means算法是一种clustering的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法
主要思想：在一堆数据中随机的选取K个中心点，计算所有点到这k个中心点的距离，根据距离将所有点分为k类，再在k类中重新计算中心点，重新计算距离，直到收敛

以机器学习案例中用k-means方法对iris数据集进行聚类

#coding:utf-8
"""
python 3
sklearn 0.18
"""
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import train_test_split
from sklearn.cluster import KMeans
from sklearn.metrics import accuracy_score,confusion_matrix,classification_report
from sklearn.datasets import load_iris
import input_data
import numpy as np
import pickle


iris = load_iris()
x = iris.data
y = iris.target
#mnist = input_data.read_data_sets('mnist/',one_hot=False)
#x = mnist.train.images
#y = mnist.train.labels
#训练一个Kmeans分类器
clf = KMeans(n_clusters=3)
clf.fit(x)
predictions = clf.predict(x)
"""
predictions = []
for i in range(1000):
    if i % 100 ==0:
        print('= = = = = = > > > > > >','epoch:',int(i/100))
    output = clf.predict([mnist.test.images[i]])
    predictions.append(output)
"""
print(confusion_matrix(y,predictions))
print(classification_report(y,np.array(predictions)))
print('test accuracy is:',accuracy_score(y,predictions))

结果：

由于初始时刻的中心点是随机选取的，这就造成分类结果有很大差别。这也是k-means算法缺点之一，有待后续研究分析