3.k均值的算法

一、课堂练习

# 课堂练习
from sklearn.datasets import load_iris
# 导入鸢尾花数据
iris=load_iris()
iris
iris.keys()
data=iris['data']  #鸢尾花数据
target=iris.target #标签,属于哪一种花
iris.feature_names #特征名：花萼长度、花萼宽度、花瓣长度、花瓣宽度
# 'sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)'

图：

二、作业

1）. 扑克牌手动演练k均值聚类过程：>30张牌，3类

第一次分类	第一次类中心	1	8	13
	sum	18	127	86
	mean	18/8	127/18	86/7
第二次分类	第二次类中心	2.25	7.05	12.28
	sum	18	107	106
	mean	18/8	107/16	106/9
第三次分类	第三次新中心	2.25	6.68	11.77
	sum	18	107	106
	mean	18/8	107/16	106/9
聚类中心	中心	2.25	6.68	11.77

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）

from sklearn.datasets import load_iris #导入数据
import numpy as np #numpy库
import random  #生成随机的类中心
import matplotlib.pyplot as plt  #画图
# 定义的参数是：数据源、聚类中心个数、属性个数
def KKmeans(dataset,k):  #定义一个函数，参数是数据源和k值
    n=dataset.shape[0] #样本数
    m=dataset.shape[1] #样本属性
    rand=random.sample(range(0,n),k)
    center=dataset[rand,]  #k是聚类中心数，k=3的话，从中随机取三个
    dist=np.zeros([n,k+1]) #相当于一个nx（k+1）的矩阵，前k列是聚类中心值，最后一列用来分类
    centernew=np.zeros([k,m]) #新的聚类中心就是一个kxm的矩阵，k是k行，m是属性个数
    while True:
        for i in range(n):  # 每一行都做运算
            for j in range(k):  # 第一行的第一列就是第一个数与聚类中心的欧式距离
                dist[i, j] = np.sqrt(sum((dataset[i, :] - center[j, :]) ** 2))  # 欧式距离
            dist[i, k] = np.argmin(dist[i, :k])  # 从前k个值中取最小值的下标赋给分类的列

        for i in range(k): #这一步进行归类和归类后的平均值计算，得到新的类中心
            index = dist[:, k] == i
            centernew[i, :] = dataset[index, :].mean(axis=0)

        if (np.all(center == centernew)): #如果新的类中心所有的元素和类中心一样，跳出程序
            break;
        else:
            center = centernew   #没有一样的类中心，就将新的类中心赋值，从新再聚类
    print("k为",k,"的欧式距离和分类",dist)
    print("k为",k,"的分类",dist[:,3])
    print("k为",k,"的类中心",centernew)
    return dist[:, 3]
kdata=iris.data[:,2].reshape(-1,1) #数据是鸢尾花的花瓣长度
KKmeans(kdata,3)  #调用函数，第一个参数是数据，第二个参数是k值，即聚类中心

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

plt.scatter(kdata,KKmeans(kdata,3),c=KKmeans(kdata,3),cmap="rainbow")
plt.xlabel("花瓣长度(cm)")
plt.ylabel("鸢尾花分类")
plt.show()

图：

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

from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
# 导入鸢尾花数据
iris=load_iris()
data=iris['data']  #鸢尾花数据
petal=data[:,2] #花瓣长度数据
# # 换成n行1列，-1是任意行的意思
X_petal=petal.reshape(-1,1)
model1=KMeans(n_clusters=3) #构建模型，聚类中心个数为3
model1.fit(X_petal) #模型训练
Y_petal=model1.predict(X_petal) #模型训练过后，根据花瓣长度预测分类
# c是按颜色分类，cmap是设置颜色
# x轴是花瓣数据，y轴是鸢尾花分类
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.scatter(X_petal[:,0],Y_petal,c=Y_petal,cmap="rainbow")
plt.xlabel("花瓣长度(cm)")
plt.ylabel("鸢尾花分类")

图：

4）. 鸢尾花完整数据做聚类并用散点图显示.

from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
# 导入鸢尾花数据
iris=load_iris()
X_iris=iris.data  #鸢尾花完整数据
model=KMeans(n_clusters=3)  #构建模型，聚类中心个数为3
model.fit(X_iris)   #模型训练
Y_iris=model.predict(X_iris) #模型训练过后，根据所有数据预测分类
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.scatter(X_iris[:,2],X_iris[:,3],c=Y_iris,cmap="rainbow")
plt.xlabel("花瓣长度(cm)")
plt.ylabel("花瓣宽度(cm)")

图

5）.想想k均值算法中以用来做什么？

K均值算法属于聚类算法，可以将没有标签的数据进行分类。

在实际生活中，可以帮助细分市场，可以将客户划分至不同的细分市场组，以便营销和服务；

又或者可以进行社交网络分析，观察人与人之间的互相来往，从而查找一群互相有关系的人等等。