K-Means 方法及应用

K-means 聚类算法
k-means 算法以 k为参数，把 n个对象分成 k个簇，使内具有较高的相似度，而簇间的相似较低。
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，根据其与聚类中心距离将归入最近簇
3. 对每个簇，计算所有点的均值作为新聚类中心
4. 重复 2、3直到聚类中心不再发生改变

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，这八个变量分别为：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。

import numpy as np
from sklearn.cluster import KMeans
def loadData(filePath):
    fr = open(filePath,'r+')
    lines = fr.readlines()
    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
if __name__ == '__main__':
    data,cityName = loadData('city.txt')
    km = KMeans(n_clusters = 4)
    label = km.fit_predict(data)
    expenses = np.sum(km.cluster_centers_,axis=1)
    CityCluster = [[],[],[],[]]
    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]

调用K-Means方法所需参数：
n_clusters 用于指定聚类中心的个数
init：初始聚类中心的初始化方法
max_iter:最大的迭代次数
一般调用时只用给出n_clusters即可，init默认是k-means++,max_iter默认是300
其他参数：
data：加载的数据
label：聚类后个数据所属的标签
axis：按行求和
fit_predict()计算簇中心以及为簇分配序号

实验结果：

runfile('C:/Users/Sean Chang/.spyder/temp.py', wdir='C:/Users/Sean Chang/.spyder')
Expenses:4357.67
['Anhui', 'Hunan', 'Hubei', 'Guangxi', 'Hainan', 'Sichuan']
Expenses:5513.10
['Tianjin', 'Jiangsu', 'Zhejiang', 'Chongqing', 'Yunnan', 'Xizang']
Expenses:7754.66
['Beijing', 'Shanghai', 'Guangdong']
Expenses:3788.76
['Hebei', 'Shanxi', 'Neimong', 'Liaoning', 'Jilin', 'Heilongjiang', 'Jiangxi', 'Shandong', 'Henan', 'Guizhou', 'Shaanxi', 'Gansu', 'Qinghai', 'Ningxia', 'Xinjiang']