溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊(cè)×
其他方式登錄
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》

python代碼如何實(shí)現(xiàn)k-means聚類分析

發(fā)布時(shí)間:2020-07-22 09:19:07 來(lái)源:億速云 閱讀:237 作者:小豬 欄目:開發(fā)技術(shù)

這篇文章主要為大家展示了python代碼如何實(shí)現(xiàn)k-means聚類分析,內(nèi)容簡(jiǎn)而易懂,希望大家可以學(xué)習(xí)一下,學(xué)習(xí)完之后肯定會(huì)有收獲的,下面讓小編帶大家一起來(lái)看看吧。

一、實(shí)驗(yàn)?zāi)繕?biāo)

    1、使用 K-means 模型進(jìn)行聚類,嘗試使用不同的類別個(gè)數(shù) K,并分析聚類結(jié)果。

​    2、按照 8:2 的比例隨機(jī)將數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集,至少嘗試 3 個(gè)不同的 K 值,并畫出不同 K 下 的聚類結(jié)果,及不同模型在訓(xùn)練集和測(cè)試集上的損失。對(duì)結(jié)果進(jìn)行討論,發(fā)現(xiàn)能解釋數(shù)據(jù)的最好的 K 值。二、算法原理

    首先確定k,隨機(jī)選擇k個(gè)初始點(diǎn)之后所有點(diǎn)根據(jù)距離質(zhì)點(diǎn)的距離進(jìn)行聚類分析,離某一個(gè)質(zhì)點(diǎn)a相較于其他質(zhì)點(diǎn)最近的點(diǎn)分配到a的類中,根據(jù)每一類mean值更新迭代聚類中心,在迭代完成后分別計(jì)算訓(xùn) 練集和測(cè)試集的損失函數(shù)SSE_train、SSE_test,畫圖進(jìn)行分析。

python代碼如何實(shí)現(xiàn)k-means聚類分析

偽代碼如下:

num=10 #k的種類
for k in range(1,num):
 隨機(jī)選擇k個(gè)質(zhì)點(diǎn)
 for i in range(n): #迭代n次
 根據(jù)點(diǎn)與質(zhì)點(diǎn)間的距離對(duì)于X_train進(jìn)行聚類
 根據(jù)mean值迭代更新質(zhì)點(diǎn)
 計(jì)算SSE_train
 計(jì)算SSE_test
畫圖

 算法流程圖:

                                          python代碼如何實(shí)現(xiàn)k-means聚類分析

三、代碼實(shí)現(xiàn)

1、導(dǎo)入庫(kù)

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn.model_selection import train_test_split 

2、計(jì)算距離

def distance(p1,p2):
 return np.sqrt((p1[0]-p2[0])**2+(p1[1]-p2[1])**2)

3、計(jì)算均值

def means(arr):
 return np.array([np.mean([p[0] for p in arr]),np.mean([p[1] for p in arr])])

4、二維數(shù)據(jù)處理

#數(shù)據(jù)處理
data= pd.read_table('cluster.dat',sep='\t',header=None) 
data.columns=['x']
data['y']=None
for i in range(len(data)): #遍歷每一行 
 column = data['x'][i].split( ) #分開第i行,x列的數(shù)據(jù)。split()默認(rèn)是以空格等符號(hào)來(lái)分割,返回一個(gè)列表 
 data['x'][i]=column[0] #分割形成的列表第一個(gè)數(shù)據(jù)給x列 
 data['y'][i]=column[1] #分割形成的列表第二個(gè)數(shù)據(jù)給y列
list=[]
list1=[]
for i in range(len(data)):
 list.append(float(data['x'][i]))
 list.append(float(data['y'][i]))
 list1.append(list)
 list=[]
arr=np.array(list1)
print(arr)

python代碼如何實(shí)現(xiàn)k-means聚類分析

5、劃分?jǐn)?shù)據(jù)集和訓(xùn)練集

#按照8:2劃分?jǐn)?shù)據(jù)集和訓(xùn)練集
X_train, X_test = train_test_split(arr,test_size=0.2,random_state=1)

6、主要聚類實(shí)現(xiàn)

count=10 #k的種類:1、2、3...10
SSE_train=[] #訓(xùn)練集的SSE
SSE_test=[] #測(cè)試集的SSE
n=20 #迭代次數(shù)
for k in range(1,count):
 cla_arr=[] #聚類容器
 centroid=[] #質(zhì)點(diǎn)
 for i in range(k):
 j=np.random.randint(0,len(X_train))
 centroid.append(list1[j])
 cla_arr.append([])
 centroids=np.array(centroid) 
 cla_tmp=cla_arr #臨時(shí)訓(xùn)練集聚類容器
 cla_tmp1=cla_arr #臨時(shí)測(cè)試集聚類容器
 for i in range(n): #開始迭代
 for e in X_train: #對(duì)于訓(xùn)練集中的點(diǎn)進(jìn)行聚類分析
 pi=0
 min_d=distance(e,centroids[pi]) 
 for j in range(k):
 if(distance(e,centroids[j])<min_d): 
  min_d=distance(e,centroids[j])
  pi=j
 cla_tmp[pi].append(e) #添加點(diǎn)到相應(yīng)的聚類容器中
 
 for m in range(k):
 if(n-1==i):
 break
 centroids[m]=means(cla_tmp[m])#迭代更新聚類中心
 cla_tmp[m]=[]
 dis=0
 for i in range(k):  #計(jì)算訓(xùn)練集的SSE_train
 for j in range(len(cla_tmp[i])):
 dis+=distance(centroids[i],cla_tmp[i][j])
 SSE_train.append(dis)
 
 col = ['HotPink','Aqua','Chartreuse','yellow','red','blue','green','grey','orange'] #畫出對(duì)應(yīng)K的散點(diǎn)圖
 for i in range(k):
 plt.scatter([e[0] for e in cla_tmp[i]],[e[1] for e in cla_tmp[i]],color=col[i])
 plt.scatter(centroids[i][0],centroids[i][1],linewidth=3,s=300,marker='+',color='black')
 plt.show()
 
 for e in X_test:  #測(cè)試集根據(jù)訓(xùn)練集的質(zhì)點(diǎn)進(jìn)行聚類分析
 ki=0
 min_d=distance(e,centroids[ki])
 for j in range(k):
 if(distance(e,centroids[j])<min_d):
 min_d=distance(e,centroids[j])
 ki=j
 cla_tmp1[ki].append(e)
 for i in range(k):  #計(jì)算測(cè)試集的SSE_test
 for j in range(len(cla_tmp1[i])):
 dis+=distance(centroids[i],cla_tmp1[i][j])
 SSE_test.append(dis)

python代碼如何實(shí)現(xiàn)k-means聚類分析

7、畫圖

SSE=[] #計(jì)算測(cè)試集與訓(xùn)練集SSE的差值
for i in range(len(SSE_test)):
 SSE.append(SSE_test[i]-SSE_train[i])

x=[1,2,3,4,5,6,7,8,9]
plt.figure()
plt.plot(x,SSE_train,marker='*')
plt.xlabel("K")
plt.ylabel("SSE_train")
plt.show() #畫出SSE_train的圖

plt.figure()
plt.plot(x,SSE_test,marker='*')
plt.xlabel("K")
plt.ylabel("SSE_test")
plt.show() #畫出SSE_test的圖

plt.figure()
plt.plot(x,SSE,marker='+')
plt.xlabel("K")
plt.ylabel("SSE_test-SSE_train")
plt.show() #畫出SSE_test-SSE_train的圖

python代碼如何實(shí)現(xiàn)k-means聚類分析

python代碼如何實(shí)現(xiàn)k-means聚類分析

四、實(shí)驗(yàn)結(jié)果分析

  可以看出SSE隨著K的增長(zhǎng)而減小,測(cè)試集和訓(xùn)練集的圖形趨勢(shì)幾乎一致,在相同的K值下,測(cè)試集的SSE大于訓(xùn)練集的SSE。于是我對(duì)于在相同的K值下的SSE_test和SSE_train做了減法(上圖3),可知K=4時(shí)數(shù)據(jù)得出結(jié)果最好。這里我主要使用肘部原則來(lái)判斷。本篇并未實(shí)現(xiàn)輪廓系數(shù)。

以上就是關(guān)于python代碼如何實(shí)現(xiàn)k-means聚類分析的內(nèi)容,如果你們有學(xué)習(xí)到知識(shí)或者技能,可以把它分享出去讓更多的人看到。

向AI問(wèn)一下細(xì)節(jié)

免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI