9.sklearn-K-means算法

文章目录

• 环境配置（必看）
• 头文件引用
• • K-means算法
  • • 1.简介
    • 2.API
    • 3.代码工程
    • 4.运行结果
    • 5.模型评估
    • 6.小结
    • • 优缺点

环境配置（必看）

Anaconda-创建虚拟环境的手把手教程相关环境配置看此篇文章，本专栏深度学习相关的版本和配置，均按照此篇文章进行安装。

头文件引用

from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
from sklearn.metrics import calinski_harabasz_score
import matplotlib.pyplot as plt

K-means算法

1.简介

1）一种典型的无监督学习算法，
2）主要用于将相似的样本自动归到一个类别中
3）计算样本和样本之间的相似性，一般使用欧式距离

2.API

sklearn.cluster.KMeans(n_clusters=8)
参数:
n_clusters:开始的聚类中心数量
整型，缺省值=8，生成的聚类数，即产生的质心（centroids）数。
方法:
estimator.fit(x)
estimator.predict(x)
estimator.fit_predict(x)
计算聚类中心并预测每个样本属于哪个类别,相当于先调用fit(x),然后再调用predict(x)

3.代码工程

# 创建数据集
# X为样本特征，Y为样本簇类别， 共1000个样本，每个样本2个特征，共4个簇，
# 簇中心在[-1,-1], [0,0],[1,1], [2,2]， 簇方差分别为[0.4, 0.2, 0.2, 0.2]
# n_features=2 -- 2维（x轴， y轴）2个特征
X, y = make_blobs(n_samples=1000, n_features=2, centers=[[-1, -1], [0, 0], [1, 1], [2, 2]],
                  cluster_std=[0.4, 0.2, 0.2, 0.2],
                  random_state=9)


y_pred = KMeans(n_clusters=4, random_state=9).fit_predict(X)

# 分别尝试n_cluses=2\3\4,然后查看聚类效果
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show()


# 用Calinski-Harabasz Index评估的聚类分数
print(calinski_harabasz_score(X, y_pred))

4.运行结果

经过测试，n_clusters=4的时候最佳
calinski_harabasz_score的值越大越好

5.模型评估

此部分知识不详细赘述了，可以自行网上搜集资料

1.SSE - 误差平方和
2."肘"方法 - K值确定
3.SC - 轮廓系数法
4.CH - CH系数

6.小结

K-means聚类实现流程【掌握】
1.事先确定常数K，常数K意味着最终的聚类类别数;
2.随机选定初始点为质心，并通过计算每一个样本与质心之间的相似度(这里为欧式距离)，将样本点归到最相似的类中，接着，重新计算每个类的
质心(即为类中心)，重复这样的过程，直到质心不再改变，最终就确定了每个样本所属的类别以及每个类的质心。
注意:
	由于每次都要计算所有的样本与每一个质心之间的相似度，故在大规模的数据集上，K-Means算法的收敛速度比较慢。

优缺点