sklearn.cluster.Kmeans 聚类研究

本文探讨了如何使用sklearn.cluster.KMeans进行数据聚类,通过创建一组模拟数据来展示KMeans的简单调用过程。数据集被分为两组,即'abcd'和'wxyz',调用KMeans(n_clusters=2)后,成功将数据分为两类,返回的标签数组为array([0, 0, 0, 0, 1, 1, 1, 1])。" 53908044,5668386,Linux系统美化与软件配置指南,"['Linux', '开发软件', '美化', '疑难杂症', 'Ubuntu']

具体的Kmeans算法自行百度,这里只把简单的调用方法展示出来

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


def loadData(filePath):
    fr = open(filePath,'r+')
    lines = fr.readlines()
    retData = []
    retCityName = []
    for line in lines:
        items = line.strip().split(",")
        retCityName.append(items[0])
        retData.append([float(items[i]) for i in range(1,len(items))])
    return retData,retCityName


if __name__ == '__main__':
    #data,cityName = loadData('city.txt')
    a = np.arange(100)  
    data = a[:20].reshape(4,5).tolist()
    c = a[-20:].reshape(4,5).tolist()
    data.extend(c)
    cityName = ['a','b','c','d','w','x','y','z'] 

    km = KMeans(n_clusters=2)
    label = km.fit_predict(data)

    expenses = np.sum(km.cluster_centers_,axis=1)
    #print(expenses)
    CityCluster = [[],[]]
    for i in range(len(cityName)):
        CityCluster[label[i]].append(cityName[i])
//排序下
    p = pd.DataFrame(CityCluster,index=expenses)
    p = p.sort_index()

    for i in p.index.tolist():
        print('Expenses:%.2f' % i)
        print(p.loc[i].values.tolist())

没找到city.txt 数据集
所以简单的构建了一组模拟数据
data
[[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19],
[80, 81, 82, 83, 84],
[85, 86, 87, 88, 89],
[90, 91, 92, 93, 94],
[95, 96, 97, 98, 99]]
每一行分别对应cityName
cityName = [‘a’,’b’,’c’,’d’,’w’,’x’,’y’,’z’]
很明显可以看出应分为abcd 和wxyz两类
调用km = KMeans(n_clusters=2)
label = km.fit_predict(data)
返回的label为1维标签数组 array([0, 0, 0, 0, 1, 1, 1, 1])
将其成功分为两类

本程序是在python中完成,基于sklearn.cluster中的k-means聚类包来实现数据的聚类,对于里面使用的数据格式如下:(注意更改程序中的相关参数) 138 0 124 1 127 2 129 3 119 4 127 5 124 6 120 7 123 8 147 9 188 10 212 11 229 12 240 13 240 14 241 15 240 16 242 17 174 18 130 19 132 20 119 21 48 22 37 23 49 0 42 1 34 2 26 3 20 4 21 5 23 6 13 7 19 8 18 9 36 10 25 11 20 12 19 13 19 14 5 15 29 16 22 17 13 18 46 19 15 20 8 21 33 22 41 23 69 0 56 1 49 2 40 3 52 4 62 5 54 6 32 7 38 8 44 9 55 10 70 11 74 12 105 13 107 14 56 15 55 16 65 17 100 18 195 19 136 20 87 21 64 22 77 23 61 0 53 1 47 2 33 3 34 4 28 5 41 6 40 7 38 8 33 9 26 10 31 11 31 12 13 13 17 14 17 15 25 16 17 17 17 18 14 19 16 20 17 21 29 22 44 23 37 0 32 1 34 2 26 3 23 4 25 5 25 6 27 7 30 8 25 9 17 10 12 11 12 12 12 13 7 14 6 15 6 16 12 17 12 18 39 19 34 20 32 21 34 22 35 23 33 0 57 1 81 2 77 3 68 4 61 5 60 6 56 7 67 8 102 9 89 10 62 11 57 12 57 13 64 14 62 15 69 16 81 17 77 18 64 19 62 20 79 21 75 22 57 23 73 0 88 1 75 2 70 3 77 4 73 5 72 6 76 7 76 8 74 9 98 10 90 11 90 12 85 13 79 14 79 15 88 16 88 17 81 18 84 19 89 20 79 21 68 22 55 23 63 0 62 1 58 2 58 3 56 4 60 5 56 6 56 7 58 8 56 9 65 10 61 11 60 12 60 13 61 14 65 15 55 16 56 17 61 18 64 19 69 20 83 21 87 22 84 23 41 0 35 1 38 2 45 3 44 4 49 5 55 6 47 7 47 8 29 9 14 10 12 11 4 12 10 13 9 14 7 15 7 16 11 17 12 18 14 19 22 20 29 21 23 22 33 23 34 0 38 1 38 2 37 3 37 4 34 5 24 6 47 7 70 8 41 9 6 10 23 11 4 12 15 13 3 14 28 15 17 16 31 17 39 18 42 19 54 20 47 21 68 22
### 回答1: sklearn.cluster.kmeans 是 scikit-learn 中的一个聚类算法,它通过将给定的数据分组,以最小化每个组内数据之间的均方差来寻找最优的聚类结果。它的用法是,首先初始化一些类中心,然后将每个点分配到最近的类中心,接着更新每个类中心,直到最终的聚类结果满足停止条件。 ### 回答2: sklearn.cluster.kmeans是scikit-learn库中的一个聚类算法模块,用于实现K均值聚类算法。K均值聚类是一种无监督学习算法,用于将数据集划分为K个不同的类别。 使用sklearn.cluster.kmeans进行聚类时,首先需要导入相关的库和模块。然后通过实例化一个KMeans对象,可以设置一些参数,例如聚类的个数K,最大迭代次数等。之后,可以使用fit方法来拟合模型并进行聚类,传入待聚类的数据集。 聚类完成后,可以使用kmeans.labels_属性获取每个样本所属的类别。此外,还可以使用kmeans.cluster_centers_属性获取每个类别的中心点坐标。 sklearn.cluster.kmeans还可以用于预测新的数据点所属的类别。可以使用predict方法来进行预测,传入待预测的数据集即可。 在使用K均值聚类时,需要注意一些问题。首先,需要合理选择K的值,过小或过大都可能导致聚类效果不佳。其次,K均值算法对初始聚类中心的选择非常敏感,不同的初始值可能得到不同的结果。因此,建议多次运行算法并选择效果最好的结果。 总而言之,sklearn.cluster.kmeans提供了一种简单而有效的K均值聚类算法实现,可以用于数据聚类的任务。通过调整相关参数和合理使用API,可以实现对数据集的划分和预测。 ### 回答3: sklearn.cluster.kmeans是Python编程语言中用于执行聚类分析的Scikit-learn库中的一个函数。聚类分析是一种无监督学习技术,用于将数据集中的样本划分为若干个类别或簇。k-means算法是一种常用的聚类算法,它通过将数据点分配给离其最近的质心,并迭代更新质心位置来确定聚类的最佳位置。 使用sklearn.cluster.kmeans函数进行聚类分析需要提供以下参数: 1. n_clusters(必需):指定要生成的聚类数量。通常通过观察数据来选择合适的聚类数量。 2. init(可选):指定初始化质心的方法。默认是'k-means++',表示使用一种更聪明的初始化方法,以提高算法的收敛速度。 3. n_init(可选):指定重新运行算法的次数,并选择产生最佳结果的运行。默认是10次,可以根据需要进行调整。 4. max_iter(可选):指定算法的最大迭代次数。默认是300次,可以根据数据集的大小和复杂度进行调整。 5. random_state(可选):指定用于初始化质心的随机种子。默认为None,表示使用不同的随机种子来运行算法。 调用sklearn.cluster.kmeans函数后,可以使用.fit方法来对数据进行聚类分析。然后,可以通过.cluster_centers_属性来获取最终得到的质心位置。通过.predict方法可以对新样本进行预测,并返回它们所属的簇。 需要注意的是,k-means算法对数据分布的假设是各个簇的大小相等,并且每个簇的数据点服从正态分布。如果数据不符合这些假设,可能会导致算法表现不佳。因此,在使用k-means算法进行聚类分析时,需要根据具体情况进行结果的解释和评估。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值