【机器学习】——无监督学习：KMeans

文章目录

• 聚类
• 代码实现：
• 练习案例：葡萄酒风格聚类
• • [可视化： 聚类之后的可视化  原始数据可视化： ](#可视化： 聚类之后的可视化 原始数据可视化： )
  • 无监督学习虽然不要标签，但是效果没有监督学习好啊

聚类

将未标记的样本自动划分成多个类簇（无标签数据）

• 在销售领域，利用聚类分析对客户历史数据进行分析，对客户划分类别，刻画不同客户群体的特征，从而深入挖掘客户潜在需求，改善服务质量，增强客户黏性
• 在医学领域，对图像进行分析，挖掘疾病的不同临床特征，辅助医生进行临床诊断。聚类算法被用于图像分割，把原始图像分成若干个特定的、具有独特性质的区域并提取目标
• 在生物领域，将聚类算法用于推导动植物分类，以往对动植物的认知往往是基于外表和习性，应用聚类分析按照功能对基因聚类，获取不同种类物种之间的基因关联。

聚类目标：得到较高的簇内相似度和较低的簇间相似度，使得簇间的距离尽可能大，簇内样本与簇中心的距离尽可能小（簇内距离尽可能小，簇间距离尽可能大）

聚类得到的簇可以用聚类中心、簇大小、簇密度和簇描述等来表示

1. 聚类中心是一个簇中所有样本点的均值(质心)
2. 簇大小表示簇中所含样本的数量
3. 簇密度表示簇中样本点的紧密程度
4. 簇描述是簇中样本的业务特征

k-均值聚类是基于划分的聚类算法，计算样本点与类簇质心的距离，与类簇质心相近的样本点划分为同一类簇。k-均值通过样本间的距离来衡量它们之间的相似度，两个样本距离越远，则相似度越低，否则相似度越高

k-均值算法聚类步骤如下：

• 首先选取𝑘个类簇（𝑘需要用户进行指定）的质心，通常是随机选取。
• 对剩余的每个样本点，计算它们到各个质心的欧式距离，并将其归入到相互间距离最小的质心所在的簇。计算各个新簇的质心。
• 在所有样本点都划分完毕后，根据划分情况重新计算各个簇的质心所在位置，然后迭代计算各个样本点到各簇质心的距离，对所有样本点重新进行划分。
• 重复第（2）步和第（3）步, 直到迭代计算后，所有样本点的划分情况保持不变，此时说明k-均值算法已经得到了最优解，将运行结果返回

【【五分钟机器学习】物以类聚的Kmeans】

代码实现：

#!/usr/bin/python
# -*- coding: utf-8 -*-

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

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data

# 应用k-Means算法
kmeans = KMeans(n_clusters=3)  # 鸢尾花数据集有3个类别
kmeans.fit(X)
y_kmeans = kmeans.predict(X)
print(y_kmeans)
# #效果评估

# 计算Calinski-Harabasz分数
CH = calinski_harabasz_score(X, y_kmeans)
print('Calinski-Harabasz Score:', CH)

# 创建一个3D图形
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

# 提取花瓣宽度、萼片长度、花瓣长度作为x、y、z轴
x = X[:, 2]  # 花瓣宽度
y = X[:, 0]  # 萼片长度
z = X[:, 3]  # 花瓣长度
# 绘制聚类结果
for i in range(3):
    ax.scatter(x[y_kmeans == i], y[y_kmeans == i], z[y_kmeans == i], label=f'Cluster {i}')

# 设置图形标题和轴标签
ax.set_xlabel('花瓣宽度')
ax.set_ylabel('萼片长度')
ax.set_zlabel('花瓣长度')
ax.set_title("鸢尾花数据K-Means聚类")
plt.legend()
plt.show()

# 创建一个3D图形
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')
Y=iris.target
# 绘制聚类结果
for i in range(3):
    ax.scatter(x[Y == i], y[Y == i], z[Y == i], label=f'Cluster {i}')

# 设置图形标题和轴标签
ax.set_xlabel('花瓣宽度')
ax.set_ylabel('萼片长度')
ax.set_zlabel('花瓣长度')
ax.set_title("鸢尾花数据")
plt.legend()
plt.show()

#可视化：

注意：

1. 聚类确实能聚类成你想要的类别数量，但是每个类别标签是啥就不一定了，需要你自己定义或者指定。
2. 聚类算法由于是非监督学习算法，所以衡量标准也不一样（没有标签数据了），自行百度吧。

练习案例：葡萄酒风格聚类

可视化：

聚类之后的可视化

原始数据可视化：

无监督学习虽然不要标签，但是效果没有监督学习好啊