机器学习——KMeans
导入类库
1 from sklearn.cluster import KMeans 2 from sklearn.datasets import make_blobs 3 import numpy as np 4 import matplotlib.pyplot as plt
KMeans算法的过程：(假如有两类)
- 随机选择两个点作为聚类的中心
- 计算所有点距离两个中心的距离，选择距离较近的点作为类别。（例如：距离蓝点近，类别是蓝色）
- 计算已经分好类的各组数据的平均值，使用各组数据的平均值中心作为新的中心
- 以新的中心为依据跳转至第2步
- 直到收敛(两次迭代的数值没有明显的变化：新中心点距离上一次中心点的距离小于某个阈值，例如：0.03)
代码
1 plt.figure(figsize=(6, 3)) 2 n_samples = 1500 3 random_state = 170 4 ''' 5 make_blobs聚类数据生成器：用来生成聚类算法的测试数据 6 n_samples：待生成的样本的总数 7 n_features：每个样本的特征数 8 centers：类别数 9 cluster_std：每个类别的方差，放在列表中 10 ''' 11 X, y = make_blobs(n_samples=n_samples, random_state=random_state) 12 ''' 13 KMeans是结果受初始值影响的局部最优的迭代算法 14 n_clusters：K值，类别数 15 max_iter：最大迭代次数，凸数据集可忽略该值，非凸数据集可能很难收敛，可指定最大迭代次数让算法可以及时推出循环 16 n_init：用不同的初始化质心运行算法的次数，默认是10，K值较大时，可适当增大该值 17 init：初始值选择的方式，默认为k-means++ 18 algorithm：auto、full、elkan；auto自动选择，数据值稀疏时选择full，数据稠密时选择elkan 19 ''' 20 y_pred = KMeans(n_clusters=2, random_state=random_state).fit_predict(X) 21 22 # print(X[:, 0]) 23 # print(y) 24 # for i in y_pred: 25 # print(i) 26 27 # 根据颜色画出散点图 28 plt.subplot(121) 29 plt.scatter(X[:, 0], X[:, 1], c=y_pred) 30 plt.subplot(122) 31 plt.scatter(X[:, 0], X[:, 1], c=y) 32 plt.show()
更多精彩
