K-means 算法实现

步骤 1 导入依赖

make_blobs 用于产生本次实验所需的数据集， matplotlib 用于数据可视化， KMeans 用于

Kmeans 算法拟合训练。

输入：

from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

步骤 2 生成数据集

make_blobs() 可以用来生成聚类任务的数据集，它会返回产生的数据集以及相应标签。但是需

要注意的是， Kmean 算法是用于处理无标签数据集的，也就是，在实际使用 Kmeans 算法的时

候，数据集是不含标签的。此处为方便大家理解，产生的数据集包含了标签信息。

其中， n_samples 表示样本数量， n_features 表示每个样本的特征数，也表示数据的维度，

centers 表示类别数， random_state 表示随机生成器的种子，可以固定生成的数据，给定之

后，每次生成的数据集就是固定的。

输入

X, y = make_blobs(n_samples=500,n_features=2,centers=4,random_state=1)

查看产生的数据集的维度信息。

输入：

print("X 的维度为：{}".format(X.shape))
print("y 的维度为：{}".format(y.shape))

输出：

X 的维度为： (500, 2)

y 的维度为： (500,)

可以看到，该数据集一共包含 500 个样本点，每个样本点包含了 2 个特征。

步骤 3 绘制散点图

首先，直接绘制该数据集的散点图，此时不考虑该数据集在生成时对应的标签。从图中我们可

以看到 4 个不同的簇。

输入：

fig, ax1 = plt.subplots(1)
ax1.scatter(X[:, 0], X[:, 1]
 ,marker='o' # 设置点的形状为圆形
 ,s=8 # 设置点的大小
 )
plt.show()

接下来，我们根据生成数据集时对应的标签，按照不同颜色绘制散点图。

输入：

color = ["red","pink","orange","green"]
fig, ax1 = plt.subplots(1)
for i in range(4):
    ax1.scatter(X[y==i, 0], X[y==i, 1] # 根据每个点的标签绘制
    ,marker='o' # 设置点的形状为圆形
    ,s=8 # 设置点的大小
    ,c=color[i]
    )
plt.show()

步骤 4 Kmeans 聚类

调用 Sklearn 提供的 sklearn.cluster.KMeans 实现 K-means 聚类。首先我们将数据集聚成 3 类。

输入：

 

n_clusters = 3
cluster1 = KMeans(n_clusters=n_clusters,random_state=3).fit(X)

查看聚类后的每一个样本点的标签。

输入：

y_pred1 = cluster1.labels_
print(y_pred1)

 

打印每个簇的质心。

输入：

centroid1 = cluster1.cluster_centers_
print(centroid1)

可视化聚类结果。

输入：

color = ["red","pink","orange","gray"]
fig, ax1 = plt.subplots(1)
for i in range(n_clusters):
 ax1.scatter(X[y_pred1==i, 0], X[y_pred1==i, 1]
 ,marker='o' #点的形状
 ,s=8 #点的大小
 ,c=color[i]
 )
 
ax1.scatter(centroid1[:,0],centroid1[:,1]
 ,marker="x"
 ,s=15
 ,c="black")
plt.show()

可以看到，数据集被聚成了 3 个簇，每个簇的质心用黑色 x 表示。

步骤 5 再次 Kmeans 聚类

接下来，我们按照上述步骤重新实现 Kmeans 聚类，这次我们聚为 4 类。

输入：

n_clusters = 4
cluster2 = KMeans(n_clusters=n_clusters,random_state=0).fit(X)
y_pred2 = cluster2.labels_
centroid2 = cluster2.cluster_centers_
print("质心：{}".format(centroid2))

可视化聚类结果。

输入：

color = ["red","pink","orange","green"]
fig, ax1 = plt.subplots(1)
for i in range(n_clusters):
 ax1.scatter(X[y_pred2==i, 0], X[y_pred2==i, 1]
 ,marker='o' #点的形状
 ,s=8 #点的大小
 ,c=color[i]
 )
ax1.scatter(centroid2[:,0],centroid2[:,1]
 ,marker="x"
 ,s=15
 ,c="black")
plt.show()

可以看到，数据集被聚成了 4 个簇，每个簇的质心用黑色 x 表示。大家可以对比带有标签信息

的原始数据散点图和被聚为 4 类后的数据散点图，可以发现，存在较多的样本点被聚到了错误

的簇中