kmeans聚类算法_「数据挖掘」聚类分析的3大常用算法

文末领取【19份咨询类公司项目案例分析】

01

概念

聚类分析是按照个体的特征将他们分类，让同一个类别内的个体之间具有较高的相似度，不同类别之间具有较大的差异性。

聚类分析属于无监督学习。聚类对象可以分为Q型聚类和R型聚类。

• Q型聚类：样本/记录聚类。以距离为相似性指标(欧氏距离、欧氏平方距离、马氏距离、明式距离等)

• R型聚类：指标/变量聚类。以相似系数为相似性指标(皮尔逊相关系数、夹角余弦、指数相关系数等)

02

常用的聚类算法

1. K-Means划分法

K表示聚类算法中类的个数，Means表示均值算法，K-Means即是用均值算法把数据分成K个类的算法。

• K-Means算法的目标

把n个样本点划分到k个类中，使得每个点都属于离它最近的质心(一个类内部所有样本点的均值)对应的类，以之作为聚类的标准。

• K-Means算法的计算步骤

1. 取得k个初始质心：从数据中随机抽取k个点作为初始聚类的中心，来代表各个类

2. 把每个点划分进相应的类：根据欧式距离最小原则，把每个点划分进距离最近的类中

3. 重新计算质心：根据均值等方法，重新计算每个类的质心

4. 迭代计算质心：重复第二步和第三步，迭代计算

5. 聚类完成：聚类中心不再发生移动

• 基于sklearn包的实现

导入一份如下数据，经过各变量间的散点图和相关系数，发现工作日上班电话时长与总电话时长存在强正相关关系

选择可建模的变量并降维

cloumns_fix1 = ['工作日上班时电话时长', '工作日下半时电话时长','周末电话时长', '国际电话时长', '平均每次通话时长']#数据降维pca_2 = PCA(n_components=2) data_pca_2 = pd.DataFrame(pca_2.fit_transform(data[cloumns_fix1]))

通过sklearn包中的K-Means方法构建模型

#绘制散点图查看数据点大致情况plt.scatter(data_pca_2[0],data_pca_2[1])

#预计将数据点分类为3类kmmodel = KMeans(n_clusters=3) #创建模型kmmodel = kmmodel.fit(data[cloumns_fix1]) #训练模型