方法一: Kmeans
属于无监督学习的聚类算法,即训练数据中不含有标签。聚类的目的是根据样本数据内部的特征,将数据划分为若干个类别,每个类别就是一个簇。结果为,使得同一个簇内的数据,相似度较大,而不同簇内的数据,相似度小。将数据集分为K个簇,每个簇使用簇内所有样本的均值来表示,我们称该均值为之心。具体步骤如下:
1.从样本中选择K个点作为初始质心;
2.计算每个样本到各个质心的距离,将样本划分到距离最近的质心所对应的簇中;
3.计算每个簇内所有样本的均值,并使用该均值更新簇的质心;
4.重复步骤2、3,直到达到以下条件之一结束:
(1)质心的位置变化小于指定的阈值;(2)达到最大的迭代次数。
import pandas as pd
import datetime
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from sklearn.preprocessing import StandardScaler
data = pd.read_excel("职业技能教育企业信息.xlsx")
data.head(1)
数据预处理:
data.columns
data = data[['公司名称', '注册资本', '实缴资本', '成立日期', '参保人数']]
data = data.replace("-","0")
def str_to_int(da):
da = str(da)
if "万人民币" in da:
da = int(round(float(da.replace("万人民币","")),0))
elif "万美元" in da:
da = int(round(float(da.replace("万美元",""))*6.917,0))
elif "万港币" in da:
da = int(round(float(da.replace("万港币",""))*0.8803,0))
elif "港币" in da:
da = int(round(float