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