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
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
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
重新计算质心:根据均值等方法,重新计算每个类的质心
迭代计算质心:重复第二步和第三步,迭代计算
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