python实现KMeans聚类

原创已于 2022-07-07 16:23:19 修改 · 961 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#聚类 #python #kmeans

于 2019-06-13 10:31:30 首次发布

人工智能专栏收录该内容

9 篇文章

订阅专栏

本文详细介绍了一种经典的无监督学习算法——KMeans聚类算法的实现与应用。通过Python编程语言，从加载数据集开始，逐步介绍了数据预处理、算法实现、模型训练及预测过程。最后，利用数据可视化工具展示了聚类结果，帮助读者直观理解算法效果。

一、加载库

import numpy as np
import pandas as pd

二、数据预处理

data = pd.read_csv("order.csv")
t = data.iloc[:, -8:]
# t

三、编写方法实现KMeans

class KMeans:
    """使用Python语言实现聚类算法。"""
    
    def __init__(self, k, times):
        """初始化方法
        
        Parameters
        -----
        k : int
            聚类的个数
        
        times : int
            聚类迭代的次数
        """
        
        self.k = k
        self.times = times
        
    def fit(self, X):
        """根据提供的训练数据，对模型进行训练。
        
        Parameters
        -----
        X : 类数组类型，形状为：[样本数量， 特征数量]
            待训练的样本特征属性。
        
        """
        X = np.asarray(X)
        # 设置随机种子，以便于可以产生相同的随机序列。（随机的结果可以重现。）
        np.random.seed(0)
        # 从数组中随机选择k个点作为初始聚类中心。
        self.cluster_centers_ = X[np.random.randint(0, len(X), self.k)]
        self.labels_ = np.zeros(len(X))
        
        for t in range(self.times):
            for index, x in enumerate(X):
                # 计算每个样本与聚类中心的距离
                dis = np.sqrt(np.sum((x - self.cluster_centers_) ** 2, axis=1))
                # 将最小距离的索引赋值给标签数组。索引的值就是当前点所属的簇。范围为[0, k - 1]
                self.labels_[index] = dis.argmin()
            # 循环遍历每一个簇
            for i in range(self.k):
                # 计算每个簇内所有点的均值，更新聚类中心。
                self.cluster_centers_[i] = np.mean(X[self.labels_ == i], axis=0)
                
    def predict(self, X):
        """根据参数传递的样本，对样本数据进行预测。（预测样本属于哪一个簇中）
        
        Parameters
        -----
        X : 类数组类型。 形状为: [样本数量， 特征数量]
            待预测的特征属性。
        
        Returns
        -----
        result : 数组类型
            预测的结果。每一个X所属的簇。
        """
        
        X = np.asarray(X)
        result = np.zeros(len(X))
        for index, x in enumerate(X):
            # 计算样本到每个聚类中心的距离。
            dis = np.sqrt(np.sum((x - self.cluster_centers_) ** 2, axis=1))
            # 找到距离最近的聚类中心，划分类别。
            result[index] = dis.argmin()
        return result

四、调用方法

kmeans = KMeans(3, 50)
kmeans.fit(t)

kmeans.cluster_centers_

# 查看某个簇内的所有样本数据。
t[kmeans.labels_ == 0]

kmeans.predict([[30, 30, 40, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 30, 30, 40], [30, 30, 0, 0, 0, 0, 20, 20]])

t2 = data.loc[:, "Food%":"Fresh%"]
kmeans = KMeans(3, 50)
kmeans.fit(t2)

五、数据可视化

plt.figure(figsize=(10, 10))
# 绘制每个类别的散点图
plt.scatter(t2[kmeans.labels_ == 0].iloc[:, 0], t2[kmeans.labels_ == 0].iloc[:, 1], label="类别1")
plt.scatter(t2[kmeans.labels_ == 1].iloc[:, 0], t2[kmeans.labels_ == 1].iloc[:, 1], label="类别2")
plt.scatter(t2[kmeans.labels_ == 2].iloc[:, 0], t2[kmeans.labels_ == 2].iloc[:, 1], label="类别3")
# 绘制聚类中心
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], marker="+", s=300)
plt.title("食物与肉类购买的聚类分析")
plt.xlabel("食物")
plt.ylabel("肉类")
plt.legend()
plt.show()