vlambda博客
学习文章列表

原理:将数据集划分为不相交的子集，每个子集称为一个簇，每个簇对应一个类别目标:簇内相似度高，簇间相似度低性能度量:轮廓系数,表达式如下：

1.设置要分组的组数K2.随机指定每组中心3.将离中心近的点归到相应族群4.重新计算组内中心点5.用新的中心点重新对个体分类

import pandas as pdimport matplotlib.pyplot as plt%matplotlib inline
#读取文件beer = pd.read_csv('data.txt', sep=' ')beer.head()

#K-means clusteringfrom sklearn import metricsfrom sklearn.cluster import KMeans#筛选最好的聚类数目
#获取属性X = beer[["calories","sodium","alcohol","cost"]]
#存储结果dic={}for k in range(2,20): #获取标签 labels = KMeans(n_clusters=k).fit(X).labels_ #计算轮廓轮廓系数 score = metrics.silhouette_score(X, labels) #记录分数 dic[k]=score#按照值进行排序print(sorted(dic.items(),key = lambda k : k[1],reverse = True))#分类2类是最好的类别

#进行聚类km2 = KMeans(n_clusters=2).fit(X)#添加标签X['cluster2'] = km2.labels_#按照标签排序X.sort_values('cluster2')

%matplotlib inlineimport matplotlib.pyplot as plt#设置颜色plt.rcParams['font.size'] = 14#获取聚类中心centers = X.groupby("cluster2").mean().reset_index()centers

import numpy as np#设置颜色colors = np.array(['red', 'green'])

#聚为2类的中心cluster_centers_2 = km2.cluster_centers_
#画样本点plt.scatter(X["calories"], X["alcohol"],c=colors[X["cluster2"]])#画中心点plt.scatter(centers.calories, centers.alcohol, linewidths=3, marker='+', s=300, c='black')#x轴标签plt.xlabel("Calories")#y轴标签plt.ylabel("Alcohol")
#我们发现效果还不错，但是有些点效果还是不是很好