KMeans 算法的应用与评价

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