HDU杭电--机器学习实验（六）

• 实验目的

• 1、理解无监督学习中聚类算法的原理；

• 2、完成程序，实现基于K-means的国内消费水平聚类分析，聚类成4类的效果。

• 实验内容与要求

【K-means聚类算法】

1. means算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。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，根据其与聚类中心的距离，将其归入最近的簇
3. 对每个簇，计算所有点的均值作为新的聚类中心
4. 重复2/3直到聚类中心不再发生改变

【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，这八个变量分别是: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。

1.选择聚类数量K：首先，需要确定聚类的数量K，即将数据集划分为K个簇。

2.初始化聚类中心：随机选择K个数据点作为初始的聚类中心，可以从数据集中随机选择，或者使用其他初始化方法。

3.分配样本到最近的聚类中心：对于每个数据点，计算其与每个聚类中心之间的距离，并将其分配到距离最近的聚类中心所属的簇。

4.更新聚类中心：对于每个簇，计算该簇内所有样本点的均值，将均值作为新的聚类中心。

5.重复步骤3和步骤4，直到满足终止条件：重复执行步骤3和步骤4，直到满足某个终止条件，例如聚类中心不再发生显著变化或达到最大迭代次数。

6.输出聚类结果：最终得到K个簇，每个数据点都被分配到一个簇中，形成聚类结果。

【实验目的】

通过聚类，了解1999年国内各个省份的消费水平情况。技术路线 :sklearn.cluster.Kmeans

【实验要求】

1. 理解无监督学习中聚类算法的原理；
2. 完成程序，实现基于K-means的国内消费水平聚类分析，聚类成4类的效果。

• 实验程序与结果

#1.建立工程，导入sklearn相关包
import numpy as np  #调用K-means算法进行聚类
from sklearn.cluster import KMeans # K-means聚类算法
import matplotlib.pyplot as plt #用于数据可视化的库
import matplotlib #用于设置字体
import os
os.environ['LOKY_MAX_CPU_COUNT'] = '4'  # 将4替换为实际的逻辑核心数
#2. 加载数据，创建K-means算法实例，并进行训练，获得标签
def loadData(filePath):
    #从指定文件路径加载数据
    fr = open(filePath,'r+'