聚类算法（1）

随机创建不同二维数据集作为训练集 ，并结合k-means算法将其聚类 ，你可以尝试分别聚类不同数量的簇 ，并观察聚类 效果：

from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

plt.rcParams['font.sans-serif'] = ["SimHei"]
plt.rcParams['axes.unicode_minus'] = False

x, _ = make_blobs(
    n_samples=1000,
    centers=[[-1, -1], [0, 0], [1, 1], [2, 2]],     # 簇中心分别在[[-1,-1],[0,0],[1,1],[2,2]
    cluster_std=[0.4, 0.2, 0.2, 0.2],
    random_state=9
)
range_k = range(2, 5)
sc_list = []
centers_list = []
y_means_list = []
for i in range_k:
    kmeans = KMeans(n_clusters=i,
                    random_state=42,
                    n_init=10)
    # 训练
    lab = kmeans.fit_predict(x)
    y_means = kmeans.predict(x)
    y_means_list.append(y_means)
    # 计算轮廓
    sc = silhouette_score(x,
                          lab)
    sc_list.append(sc)
    print(f'k={i}时轮廓系数：{sc:.3f}')

    # 获取聚类的中心点
    centers = kmeans.cluster_centers_
    # 绘制中心点
    centers_list.append(centers)

# 可视化第一个图
plt.subplot(2, 2, 1)
plt.scatter(x[:, 0], x[:, 1], marker="o")
plt.title('K-Means聚类结果')
for i in range(3):
    # 可视化第i个图
    plt.subplot(2, 2, i+2)
    plt.scatter(x[:, 0], x[:, 1], marker="o", c=y_means_list[i])
    plt.scatter(centers_list[i][:, 0],
                centers_list[i][:, 1],
                c='red',
                s=100,
                alpha=0.8)
    plt.title('K-Means聚类结果')
plt.show()

假设你是一家电子商务公司的数据分析师，公司希望根据客户的购买行为数据进行客户细分，以便制定更有针对性的营销策略。你需要使用K-means聚类算法对客户进行分组，并使用轮廓系数确定最佳K值。

数据集

我们将使用Kaggle上的"Customer Segmentation"数据集：

• 数据集链接: Mall Customer Segmentation Data | Kaggle
• 数据集包含客户ID、性别、年龄、年收入(千美元)和消费分数(1-100)

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
import seaborn as sns

plt.rcParams['font.sans-serif'] = ["SimHei"]
plt.rcParams['axes.unicode_minus'] = False

data = pd.read_csv('Mall_Customers.csv')

x = data[['Annual Income (k$)', 'Spending Score (1-100)']]

print(x.shape)
range_k = range(2, 11)
sc_list = []
center = []
k = 0
y_mean = 0
sc_max = 0

for i in range_k:
    kmeans = KMeans(
        n_clusters=i,
        random_state=42,
        n_init=10
    )
    # 训练
    lab = kmeans.fit_predict(x)
    y_means = kmeans.predict(x)
    # 计算轮廓
    sc = silhouette_score(x,
                          lab)
    sc_list.append(sc)
    # 获取聚类的中心点
    centers = kmeans.cluster_centers_
    # 绘制中心点
    print(f'k={i}时轮廓系数：{sc:.3f}')
    if sc > sc_max:
        sc_max = sc
        k = i
        y_mean = y_means
        center = centers

plt.figure(figsize=(10, 5))
sns.scatterplot(data=x,
                x='Annual Income (k$)',
                y='Spending Score (1-100)',
                hue=y_mean,
                palette='viridis',
                s=100)
plt.scatter(center[:, 0],
            center[:, 1],
            c='black',
            s=70,
            alpha=0.8,
            marker='x',
            linewidths=5)
plt.grid(True)
plt.xlabel('年收入(k$)')
plt.ylabel('消费分数(1-1000)')
plt.title('客户细分结果')
plt.legend()

# 可视化
plt.figure(figsize=(10, 5))
plt.plot(range_k, sc_list, 'bo-')
plt.xlabel('k值')
plt.ylabel('轮廓系数')
plt.title('k和sc的关系')
plt.grid(True)
plt.show()