K-means方法及应用

k-means算法

k-means算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。
其处理过程如下：
1.随机选择k个点作为初始的聚类中心；
2.对于剩下的点，根据其与聚类中心的距离，将其归入最近的簇
3.对每个簇，计算所有点的均值作为新的聚类中心
4.重复2、3直到聚类中心不再发生改变

了解更多：https://www.naftaliharris.com/blog/visualizing-k-means-clustering/ 有图形化展示。

优缺点

K-means算法受第一次初始质心选择的影响较大，建议多试几次。

K-means的应用

数据介绍

现有1999年全国31个省份城镇居民家庭平均每人全年消费性支出的八个主要变量数据，这八个变量分别是：食品、衣着、家庭设备用品及服务、医疗 保健、交通和通讯、娱乐教育文化服务、居住以及杂项商品和服务。利用已 有数据，对31个省份进行聚类。实验目的：通过聚类，了解1999年各个省份的消费水平在国内的情况。

技术路线：

sklearn.cluster.Kmeans

数据实例：

1999年全国31个省份城镇居民家庭平均每人全年消费性支出数据

实验过程：

import numpy as np
from sklearn.cluster import KMeans

def loadData(filePath):           #该方法用来读取数据
    fr = open(filePath,'r+')      #用r+的方式打开文件
    lines = fr.readlines()        #一次性读取文件内容，读取所有行并按行返回列表
    retData = []                  #用于存储存储城市各项消费信息
    retCityName = []              #用于存储城市名称
    for line in lines:            #依次读取每行
        items = line.strip().split(",")
        #strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。
        #split()通过指定分隔符对字符串进行切片，
        # 文件存储：北京,2959.19,730.79,749.41,513.34,467.87,1141.82,478.42,457.64
        retCityName.append(items[0])
        retData.append([float(items[i]) for i in range(1,len(items))])
        print(retData)
    return retData,retCityName

if __name__ == '__main__':
    data,cityName = loadData('31省市居民家庭消费水平-city.txt')
    km =KMeans(n_clusters=4)            #创建实例
    label = km.fit_predict(data)        #计算簇中心，以及为簇分配序号
    expenses =np.sum(km.cluster_centers_,axis=1)   #聚类中心的数值加和
    #print(expenses)
    CityCluster = [[],[],[],[]]       #将簇先定义为列表，包含4个元素
    for i in range(len(cityName)):                #将城市按label分成设定的簇
        CityCluster[label[i]].append(cityName[i])
    for i in range(len(CityCluster)):
        print("Expenses:%.2f" % expenses[i])     #将每个簇的城市输出
        print(CityCluster[i])                   #将每个城市的消费水平输出

结果

聚成4类：km = KMeans(n_clusters=4)

聚成3类：km = KMeans(n_clusters=3)

中国大学慕课python机械学习