Python每日一记19>>>无监督学习K-Means聚类

令人惊讶的是，尽管我们的世界几乎被数据所淹没，但很大一部分是未经标注未被整理过的，这意味着这些数据对于大多数目前的监督式学习来说是不可用的。
以上，反映出监督学习的局限性也突出无监督学习的重要性和发展前景，即便如此，目前而言，任何无监督学习的准确性和有效性也达不到监督学习的效果。
在介绍无监督学习之前，先介绍数据预处理。
1、数据预处理
通用代码
from sklearn.preprocessing import Minmaxscaler
k=Minmaxscaler()
k.fit(x1)
k.transform(x2)
基于上，我们可以用其他预处理函数替代Minmaxscaler,如StandarScaler,RobusrScaler,Normalizer等。更多或者函数详情情自行网上查阅资料。
2、无监督学习
实验证明，数据预处理对于无监督学习算法的有效性提高有一定作用，准确的说，数据预处理对大部分的算法均有提高得分的效用，毕竟一个好的数据集，分析起来更加容易。
2.1、主成分分析PCA
简称PCA，是一种旋转数据集的方法，旋转后的数据特征无相关性，原数数据的特征减少而已，这样有助于简单化数据集，但同时保留原数据的大部分特性。


我们发现数据集的特征数量从50变成了5，这是我们设置n_components=5，另外我们可以设置n_components=0.9，即保留原始数据的90%信息，我们发现特征数为3个则保留了原始数据的90%信息。


其次我们可以查看主成分的情况：


我们发现主成分的维度是3行50列，表示3个主成分，分别与50个特征的函数关系矩阵。具体的不需要了解，我们只需要会降维，并且利用降维后的数据进行其他算法操作即可。
另外我们可以在降维中进行白化处理：pca=PCA(n_components=0.9,whiten=True)
白化可以让样本特征之间相关性降低，且所有特征具有相同的方差。经过白化后的数据，进行其他算法的效果更好。
2.2、非负矩阵分解NMF
类似于PCA，也是用于降维，但是NMF只能适用与非负值，也不能设置n_components=0.9等浮点数。
因此PCA是更加好用的降维方式。
2.3、K-Means聚类


一共分成了四类，我们用set()得到非重复值
进行预测得到给定的值属于【0】类
值得注意的是，给定的数据一定要是二维数据[[2,6,8,9,7]]，否则不能进行预测，会报错，即不能[2,6,8,9,7]。
其他的聚类算法包括，凝聚聚类和DBSCAN算法，并不常用，需要的可以自行去查找资料。