python机器学习-无监督学习KMeans聚类分析学习笔记

数据集是city.txt（代码和数据集资源私信分享）

一、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

二、kmeans实例练习

通过聚类了解1999年各个省份的消费水平在国内的情况

#无监督学习-K-Means聚类，默认欧氏距离
import numpy as np
from sklearn.cluster import KMeans
#加载数据
def loadData(filePath):
    fr=open(filePath,'r')
    lines = fr.readlines()   #一次性读取文件
    retData = []
    retCityName = []
    for line in lines:
        items = line.strip().split(',')
        retCityName.append(items[0])
        retData.append([float(items[i]) for i in range(1,len(items))])
    return retData,retCityName

#创建K-means算法实例，并进行训练，获得标签
if __name__=='__main__':
    data,cityName = loadData('H:\city.txt')
    km = KMeans(n_clusters=3)           #3个簇中心,聚成3类
    label = km.fit_predict(data)        #K-means模型训练数据
    expenses = np.sum(km.cluster_centers_,axis=1)    #聚类中心点的数值加和，也就是平均消费水平
    print(expenses)

    CityCluster = [[],[],[]]             #将城市按label分成不同的簇
    for i in range(len(cityName)):
        CityCluster[label[i]].append(cityName[i])
    for i in range(len(CityCluster)):
        print("Expenses:%.2f"%expenses[i])
        print(CityCluster[i])

聚成三类的结果

聚成四类的结果

由运行结果可以看出消费水平相近的省市聚集在一类中，如消费水平最高的 北京，上海，广州j聚在了消费最高的类别。