作业3-k均值算法

4. 作业：

1）. 扑克牌手动演练k均值聚类过程：>30张牌，3类

2）. *自主编写K-means算法 ，以鸢尾花花瓣长度数据做聚类，并用散点图显示。（加分题）

3）. 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类，并用散点图显示.

4）. 鸢尾花完整数据做聚类并用散点图显示.

5）.想想k均值算法中以用来做什么

答：

（1）

第一轮：13、10、5

第二轮：13、9、4

（2）

import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
import numpy as np
#导入数据
iris = load_iris()
data = iris.data   # 数据值
data.shape     # 可知数据的总数和属性个数
n = len(data)  # 数据集样本个数
m = data.shape[1]  # 数据的属性个数
# 类中心个数(1-5）
k = 3
dist = np.zeros([n, k+1])  # k+1是最后一列要归类
# 选中心
center = data[:k, :]    # k为3所以是前三行所有属性
centerNew = np.zeros([k, m])  # 初始化新的类中心
while True:
    # 求距离
    for i in range(n):
        for j in range(k):
            dist[i, j] = np.sqrt(sum((data[i, :]-center[j, :])**2))    # 求欧式距离
    # 归类
        dist[i, k] = np.argmin(dist[i, :k])
    for i in range(k):
        index = dist[:, k] == i
        centerNew[i, :] = data[index, :].mean(axis=0)
    # 判定结果
    if np.all((center == centerNew)):
        break
    else:
        center = centerNew
print("聚类结果:\n", dist[:, k])
# print(data[:,k])
plt.scatter(data[:,2], data[:,2], c=dist[:,2], s=50, cmap='rainbow')
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体
plt.title("K-mean-鸢尾花花瓣长度做聚类的散点图")
plt.show()

（3）

# 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类，并用散点图显示.
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans

iris = load_iris()    # 导入鸢尾花数据
# print(iris)
X = iris.data[:, 2]   # 第三列为花瓣长度
X = X.reshape(-1, 1)  # 令新数组列为1
# print(X)
y = KMeans(n_clusters=3)   # 模型构建(类中心数为3)
y.fit(X)                   # 模型训练
kc = y.cluster_centers_    # 聚类中心
y_kmeans = y.predict(X)    # 预测每个样本的聚类索引
print("聚类结果:\n", y_kmeans)
print("聚类中心:\n", kc)
plt.scatter(X[:, 0], X[:, 0], c=y_kmeans, s=50, cmap='rainbow')  # 画散点图
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体
plt.title("sklearn.cluster.KMeans-鸢尾花花瓣长度做聚类的散点图")
plt.show()

（4）

# 鸢尾花完整数据做聚类并用散点图显示.
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans

iris = load_iris()   # 导入鸢尾花数据
X = iris.data        # 鸢尾花完整数据
# print(X)
y = KMeans(n_clusters=3)  # 模型构建(类中心数为3)
y.fit(X)                  # 模型训练
kc = y.cluster_centers_   # 聚类中心
y_kmeans = y.predict(X)   # 预测每个样本的聚类索引
print("聚类结果:\n", y_kmeans)
print("聚类中心:\n", kc)
plt.scatter(X[:, 2], X[:, 3], c=y_kmeans, s=50, cmap='rainbow')  # 画散点图
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体
plt.title("鸢尾花做聚类的散点图")
plt.show()

（5）可以通过k均值算法进行库存分类，例如按销售活动分组库存或者按制造指标对库存进行分组，也可以用来识别不同类型的癌症特征。