kmeanssklearn实例_sklearn实践（一）：kmeans聚类

sklearn实践(一)：kmeans聚类

实践往往比理论要经历更多的挫折。

一、数据处理

官方给的案例里用的都是sklearn自带的数据集，只要import之后便万事大吉，但实际中我们采用的数据往往没有那么规整，也不是可以一下就fit到模型里去的。经过这次经历，打算整理一下大致思路，关于更高级、深入的数据处理，这篇文章不会涉及。

官方案例如下：

>>> from sklearn.cluster import KMeans

>>> import numpy as np

>>> X = np.array([[1, 2], [1, 4], [1, 0],

... [10, 2], [10, 4], [10, 0]])

#其中，X即fit的参数可推断，应当是这种np.array

>>> kmeans = KMeans(n_clusters=2, random_state=0).fit(X)

>>> kmeans.labels_

array([1, 1, 1, 0, 0, 0], dtype=int32)

#labels_表示样本集中所有样本所属类别(x=1->No.1;x=2->No.1;x=3->No.1;x=4->No.0)

>>> kmeans.predict([[0, 0], [12, 3]])

array([1, 0], dtype=int32)

#以二维数组格式[x,y]输入predict,可输出判断类别结果

>>> kmeans.cluster_centers_

array([[10., 2.],

[ 1., 2.]])

#cluster_center是两个cluster的中心点

我的数据：

from sklearn.cluster import KMeans

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

# 初始化数据集

dat = pd.read_csv("C:\\Users\\Breeze\\Desktop\\matlab\\data.csv")

# 指定簇的个数，即分成几类

print(data)

将dataframe转置

data = dat.T

print(data)

去掉id这一列：

data = data.drop(['id'])

将每一列依次读取出来，每一列都用列表形式存储，依次放到另一个空列表中：

x = []

for i in range(60):

x.append(data[i].values.tolist())

X = np.array(x)

由此得到合适的数据集X

二、fit()开始聚类

fit(X):

km = KMeans(n_clusters=3).fit(X)

# 标签结果

rs_labels = km.labels_

# 每个类别的中心点

rs_center_ids = km.cluster_centers_

# 描绘各个点

plt.scatter(X[:, 0], X[:, 1], c=rs_labels, alpha=0.5)

# 描绘质心

# plt.scatter(rs_center_ids[:, 0], rs_center_ids[:, 1], c='red')

plt.show()