22、数据挖掘与分析实战：从聚类到热点分析

数据挖掘与分析实战：从聚类到热点分析

1. 聚类分析

聚类分析是将数据对象分组为多个类或簇的过程，使得同一簇中的对象具有较高的相似度，而不同簇中的对象具有较高的相异度。常见的聚类算法有 k-means 聚类、层次聚类和 DBSCAN 聚类等。

1.1 k-means 聚类

k-means 聚类是一种基于划分的聚类算法，其基本思想是通过迭代的方式将数据点分配到不同的簇中，并更新簇的中心，直到簇的中心不再发生变化或达到最大迭代次数。以下是实现 k-means 聚类的具体步骤：
1. 加载数据 ：使用 pandas 读取 Iris 数据集。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import silhouette_score
from scipy.spatial.distance import cdist

iris = pd.read_csv('iris_data.csv', header=None)
iris.columns = ['SepalLengthCm', 'SepalWidthCm', 'PetalLengthCm', 'PetalWidthCm', 'species']

2. 分离特征和标签 ：将特征和标签分离，以便进行无监督学习。