溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要為大家展示了python代碼如何實現k-means聚類分析，內容簡而易懂，希望大家可以學習一下，學習完之后肯定會有收獲的，下面讓小編帶大家一起來看看吧。
一、實驗目標
1、使用 K-means 模型進行聚類，嘗試使用不同的類別個數 K，并分析聚類結果。
​ 2、按照 8:2 的比例隨機將數據劃分為訓練集和測試集，至少嘗試 3 個不同的 K 值，并畫出不同 K 下 的聚類結果，及不同模型在訓練集和測試集上的損失。對結果進行討論，發現能解釋數據的最好的 K 值。二、算法原理
首先確定k，隨機選擇k個初始點之后所有點根據距離質點的距離進行聚類分析，離某一個質點a相較于其他質點最近的點分配到a的類中，根據每一類mean值更新迭代聚類中心，在迭代完成后分別計算訓 練集和測試集的損失函數SSE_train、SSE_test，畫圖進行分析。
偽代碼如下：
num=10 #k的種類 for k in range(1,num): 隨機選擇k個質點 for i in range(n): #迭代n次 根據點與質點間的距離對于X_train進行聚類 根據mean值迭代更新質點 計算SSE_train 計算SSE_test 畫圖
算法流程圖：
三、代碼實現
1、導入庫
import pandas as pd import matplotlib.pyplot as plt import numpy as np from sklearn.model_selection import train_test_split
2、計算距離
def distance(p1,p2): return np.sqrt((p1[0]-p2[0])**2+(p1[1]-p2[1])**2)
3、計算均值
def means(arr): return np.array([np.mean([p[0] for p in arr]),np.mean([p[1] for p in arr])])
4、二維數據處理
#數據處理
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列的數據。split()默認是以空格等符號來分割，返回一個列表
data['x'][i]=column[0] #分割形成的列表第一個數據給x列
data['y'][i]=column[1] #分割形成的列表第二個數據給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)
5、劃分數據集和訓練集
#按照8：2劃分數據集和訓練集 X_train, X_test = train_test_split(arr,test_size=0.2,random_state=1)
6、主要聚類實現
count=10 #k的種類：1、2、3...10 SSE_train=[] #訓練集的SSE SSE_test=[] #測試集的SSE n=20 #迭代次數 for k in range(1,count): cla_arr=[] #聚類容器 centroid=[] #質點 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 #臨時訓練集聚類容器 cla_tmp1=cla_arr #臨時測試集聚類容器 for i in range(n): #開始迭代 for e in X_train: #對于訓練集中的點進行聚類分析 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) #添加點到相應的聚類容器中 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): #計算訓練集的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'] #畫出對應K的散點圖 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: #測試集根據訓練集的質點進行聚類分析 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): #計算測試集的SSE_test for j in range(len(cla_tmp1[i])): dis+=distance(centroids[i],cla_tmp1[i][j]) SSE_test.append(dis)
7、畫圖
SSE=[] #計算測試集與訓練集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
四、實驗結果分析
可以看出SSE隨著K的增長而減小，測試集和訓練集的圖形趨勢幾乎一致，在相同的K值下，測試集的SSE大于訓練集的SSE。于是我對于在相同的K值下的SSE_test和SSE_train做了減法（上圖3），可知K=4時數據得出結果最好。這里我主要使用肘部原則來判斷。本篇并未實現輪廓系數。
以上就是關于python代碼如何實現k-means聚類分析的內容，如果你們有學習到知識或者技能，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
