机器学习_KMeans聚类算法的学习(Python实现)

Kmeans算法是最常用的聚类算法。
主要思想是:在给定K值和K个初始类簇中心点的情况下，把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中，所有点分配完毕之后，根据一个类簇内的所有点重新计算该类簇的中心点(取平均值)，然后再迭代的进行分配点和更新类簇中心点的步骤，直至类簇中心点的变化很小，或者达到指定的迭代次数。

其训练数据的流程是：

根据上面的流程图来实现具体代码：
数据集提取链接
链接：https://pan.baidu.com/s/1hqS9BOfwICAZ9IfTz5_BCA
提取码：zlyi

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import pandas as pd


class KMeans:
    def __init__(self, k, times):
        self.k = k
        self.times = times
        self.cluster_centers = None
        self.labels = None

    def fit(self, X):
        X = np.asarray(X)
        # 通过设置随机种子可以保证每次运行得到的随机序列是相同的，随机种子也可以是别的数，不一定为0
        np.random.seed(0)
        # 随机选择聚类中心
        self.cluster_centers = X[np.random.randint(0, len(X), self.k)]
        # 初始化标签为0
        self.labels = np.zeros(len(X))
        for i in range(self.times):
            for index, x in enumerate(X):
                # 计算每个点与聚类中心的距离
                dis = np.sqrt(np.sum((x - self.cluster_centers) ** 2, axis=1))
                # 将该样本点的标签设置为欧式距离最近的样本点
                self.labels[index] = dis.argmin()
            # 根据已经初步分类的结果计算均值更新簇中心，self.k为簇中心的个数    
            for j in range(self.k):
                self.cluster_centers[j] = np.mean(X[self.labels == j], axis=0)

    def predict(self, X):
        X = np.asarray(X)
        result = np.zeros(len(X))
        for index, x in enumerate(X):
            dis = np.sqrt(np.sum((x - self.cluster_centers) ** 2, axis=1))
            result[index] = dis.argmin()
        return result


if __name__ == '__main__':
    data = pd.read_csv('order.csv')
    t = data.iloc[:, -8:]
    kmeans = KMeans(3, 50)
    # 可视化代码，因为多个特征不好实现可视化，遂选取2个特征来进行可视化的实现
    t2 = t.loc[:, "Food%":"Fresh%"]
    kmeans.fit(t2)
    # 设置可视化中文的实现，字体
    mpl.rcParams['font.family'] = 'SimHei'
    mpl.rcParams['axes.unicode_minus'] = False
    plt.figure(figsize=(10, 10))
    # result = kmeans.predict([[30,30,40,0,0,0,0,0],[0,0,0,0,0,30,30,40],[30,30,0,0,0,0,20,20]])
    # print(result) 预测的代码
    # 画出各个簇的可视化图 
    plt.scatter(t2[kmeans.labels == 0].iloc[:, 0], t2[kmeans.labels == 0].iloc[:, 1], label='类别1')
    plt.scatter(t2[kmeans.labels == 1].iloc[:, 0], t2[kmeans.labels == 1].iloc[:, 1], label='类别2')
    plt.scatter(t2[kmeans.labels == 2].iloc[:, 0], t2[kmeans.labels == 2].iloc[:, 1], label='类别3')
    # 簇中心用 + 画出 
    plt.scatter(kmeans.cluster_centers[:, 0], kmeans.cluster_centers[:, 1], marker='+', s=300)
    plt.title('分析')
    plt.xlabel('食物')
    plt.ylabel('肉类')
    plt.legend()
    plt.show()