Python - 机器学习算法库Scikit-Leran使用详解8（K-means聚类算法）
作者：hangge | 2022-09-16 08:10
九、K-means 聚类算法
1，基本介绍
（1）K-means 算法是一种无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。
有监督学习与无监督学习区别：
- 有监督学习：有监督学习主要对有标签的数据集（即有“参考答案”）去构建机器学习模型，以尽可能对训练样本集外的数据进行标记（分类）预测。
- 无监督学习：无监督机器学习不需要标记数据。它通过研究训练样本，并根据它们的共同特征自动将它们分为几类。聚类就是典型的无监督学习。
- 从 N 个训练样本中随机选取 K 个样本作为质心（聚类中心）
- 对每个样本测量其到各个质心的距离，并把它归到最近的质心的所对应的类中
- 重新计算已经得到的各个类的质心
- 重复上面 2、3 两步操作，直到达到某个中止条件（迭代次数、新的质心与原质心相等或小于指定阈值等）
（3）K-means 的优缺点如下：
- 优点：原理简单，实现容易，运算效率高。主要需要调参的参数仅仅是簇数 K。
- 缺点：K 值的选取不好把握，设置簇的个数与随机初始化质心点可能影响聚类的最终效果。对噪音和异常点比较的敏感。
2，使用样例
（1）下面我们以 sklearn 库中自带的鸢尾花数据集对 K-means 聚类算法进行简单的应用。为了方便使用散点图绘制结果，这里我们只用了样本的两个特征（长度和宽度）来聚类。
#导入 sklearn 提供的鸢尾花数据
from sklearn.datasets import load_iris
#导入 导入skleran 提供的K-means算法
from sklearn.cluster import KMeans
#导入 matplotlib 的pyplot 模块
import matplotlib.pyplot as plt
#导入pandas
import pandas as pd
#加载数据集
iris = load_iris()
y = iris['target']
x = iris.data[:, :2] # 通过花萼的两个特征（长度和宽度）来聚类
k = 3 # 假设聚类为 3 类（默认分为 8 个 簇）
#构建算法模型
model=KMeans(n_clusters=k) # n_clusters参数表示分成几个簇（此处k=3）
#训练模型
model.fit(x)
# 获取聚类后样本所属簇的对应编号（label_pred）
label_pred = model.labels_ # labels_属性表示每个点的分簇号，会得到一个关于簇编号的数组
centroids = model.cluster_centers_ #cluster_center 属性用来获取簇的质心点，得到一个关于质心的二维数组
print("样本集中各样本的原始标签：", y)
print("样本集聚类后各样本的分簇号：", label_pred)
print("簇的质心点：", centroids)
# 创建一个图像窗口
plt.figure()
# 绘制样本点。c：表示颜色和色彩序列，此处与 cmap 颜色映射一起使用（cool是颜色映射值）s表示散点的的大小
plt.scatter(x[:, 0], x[:, 1], c=label_pred, s=50, cmap='cool')
# 绘制质心点
plt.scatter(centroids[:, 0], centroids[:, 1], c='red', s=50)
plt.show()
全部评论（0）