机器学习之路：python k均值聚类 KMeans 手写数字

python3 学习使用api

使用了网上的数据集，我把他下载到了本地

可以到我的git中下载数据集： https://github.com/linyi0604/MachineLearning

代码：

 import numpy as np
 import pandas as pd
 from sklearn.cluster import KMeans
 from sklearn import metrics

 '''
 k均值算法：
     1 随机选择k个样本作为k个类别的中心
     2 从k个样本出发，选取最近的样本归为和自己同一个分类，一直到所有样本都有分类
     3 对k个分类重新计算中心样本
     4 从k个新中心样本出发重复23，
         如果据类结果和上一次一样，则停止
         否则重复234

 '''
 '''
 该数据集源自网上 https://archive.ics.uci.edu/ml/machine-learning-databases/optdigits/
 我把他下载到了本地
 训练样本3823条， 测试样本1797条
 图像通过8*8像素矩阵表示共64个维度，1个目标维度表示数字类别
 '''

 # 1 准备数据
 digits_train = pd.read_csv("./data/optdigits/optdigits.tra", header=None)
 digits_test = pd.read_csv("./data/optdigits/optdigits.tes", header=None)
 # 从样本中抽取出64维度像素特征和1维度目标
 x_train = digits_train[np.arange(64)]
 y_train = digits_train[64]
 x_test = digits_test[np.arange(64)]
 y_test = digits_test[64]

 # 2 建立模型
 # 初始化kMeans聚类模型 聚类中心数量为10个
 kmeans = KMeans(n_clusters=10)
 # 聚类
 kmeans.fit(x_train)
 # 逐条判断每个测试图像所属的聚类中心你
 y_predict = kmeans.predict(x_test)

 # 3 模型评估
 # 使用ARI进行性能评估 当聚类有所属类别的时候利用ARI进行模型评估
 print("k均值聚类的ARI值：", metrics.adjusted_rand_score(y_test, y_predict))
 '''
 k均值聚类的ARI值： 0.6673881543921809
 '''
 # 如果没有聚类所属类别，利用轮廓系数进行评估