C均值算法实例（C—means）[K均值算法]

1、介绍

       C均值算法又称K均值算法，是一种无监督学习方法，用于将数据集分成K个不同的簇，每个簇内的数据点相似度较高。其原理如下：

        首先，从数据集中随机选择K个点作为初始质心，这些质心代表了簇的中心点。

        然后，将每个数据点分配到最近的质心所代表的簇，通常使用欧氏距离来计算距离。

        接下来，重新计算每个簇的质心，将簇中所有数据点的均值作为新的质心。

        重复上述两个步骤，直到质心不再发生显著变化或达到预定的迭代次数为止。

        最终，K均值算法将数据集分成K个簇，每个簇内的数据点相似度较高，而不同簇之间的数据点相似度较低。

       该算法的目标是最小化每个簇内数据点与其质心之间的距离之和，这被称为簇内平方和（Inertia）。K均值算法在聚类、图像分割和异常检测等领域广泛应用，是一种简单但有效的聚类方法。

2、数据集

采用sk库自带的鸢尾花数据集

3、代码

import numpy as np
from sklearn import datasets
from sklearn.cluster import KMeans
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt

# 获取鸢尾花的数据
iris = datasets.load_iris()
iris_X = iris.data
iris_Y = iris.target

# 实现c均值算法，c=3
c = 3
kmeans = KMeans(n_clusters=c, random_state=0)
kmeans.fit(iris_X)
cluster_labels = kmeans.labels_
cluster_centers = kmeans.cluster_centers_

# 调整聚类标签以匹配实际类别
adjusted_cluster_labels = np.zeros_like(cluster_labels)
for i in range(c):
    mask = (cluster_labels == i)
    most_common_label = np.bincount(iris_Y[mask]).argmax()
    adjusted_cluster_labels[mask] = most_common_label

# 计算准确率
accuracy = accuracy_score(iris_Y, adjusted_cluster_labels)

# 打印输出结果
print("实际分类：")
print(iris_Y)
print("聚类结果：")
print(adjusted_cluster_labels)
print("聚类中心：")
print(cluster_centers)
print(f"准确率：{accuracy:.2f}")

# 可视化聚类结果
plt.figure(figsize=(12, 6))
plt.subplot(1, 2, 1)
plt.scatter(iris_X[:, 0], iris_X[:, 1], c=iris_Y, cmap='viridis')
plt.title('Actual classification')

plt.subplot(1, 2, 2)
plt.scatter(iris_X[:, 0], iris_X[:, 1], c=adjusted_cluster_labels, cmap='viridis')
plt.scatter(cluster_centers[:, 0], cluster_centers[:, 1], marker='x', s=200, c='red')
plt.title('Cluster results')
plt.show()

iris_Y包含了鸢尾花数据集中每个样本的目标分类或标签。这个数组的长度与数据集中的样本数量相同，每个元素对应一个样本的分类。在鸢尾花数据集中，有三种不同的鸢尾花品种（Setosa、Versicolor 和 Virginica），分别用数字 0、1 和 2 来表示。所以 iris_Y 是一个包含样本标签的一维数组。

 iris_X包含了鸢尾花数据集中的特征数据。每一行代表一个鸢尾花样本，每一列代表一个特征。通常，这个矩阵的维度是 (样本数, 特征数)，在鸢尾花数据集中，有四个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。所以 iris_X 是一个包含样本特征值的二维数组。

n_clusters: 即我们的k值，和KMeans类的n_clusters意义一样。

 random_state:相当于随机种子。在开始运行时,k 均值聚类需要从众多数据中随机挑选 k 个点作为簇中心,random_state 就是为挑选 k 个簇中心而准备的随机种子