KMeans实战——聚类和轮廓系数评估啤酒数据集

原理:

在数据分析和机器学习中,聚类是一种常用的无监督学习方法,用于将数据集中的样本划分为若干个簇,使得同一簇内的样本相似度较高,而不同簇之间的样本相似度较低。KMeans算法是其中最常用的聚类算法之一。本文将介绍如何使用KMeans算法对啤酒数据集进行聚类,并使用轮廓系数(Silhouette Score)来评估聚类结果的质量。

1. 数据准备

首先,我们需要导入必要的库并加载数据集。本文使用的数据集是一个啤酒数据集,包含啤酒的热量(calories)、钠含量(sodium)、酒精含量(alcohol)和成本(cost)等特征。

python 复制代码
import pandas as pd
from sklearn.cluster import KMeans
from sklearn import metrics
import matplotlib.pyplot as plt

# 加载数据集
beer = pd.read_table('data.txt', sep=' ', encoding='utf-8', engine='python')

# 选择特征
X = beer[['calories', 'sodium', 'alcohol', 'cost']]

2. 轮廓系数简介

轮廓系数是一种用于评估聚类质量的指标,其值介于-1和1之间。轮廓系数越接近1,表示聚类结果越好;越接近-1,则表示聚类结果可能存在问题。轮廓系数的计算公式如下:

其中:

3. 计算不同簇数的轮廓系数

为了找到最佳的簇数,我们可以尝试不同的簇数,并计算每个簇数对应的轮廓系数。代码如下:

python 复制代码
scores = []
for k in range(2, 10):
    labels = KMeans(n_clusters=k).fit(X).labels_  # 聚类
    score = metrics.silhouette_score(X, labels)  # 计算轮廓系数
    scores.append(score)

print(scores)

4. 绘制轮廓系数随簇数变化的曲线

为了更直观地观察轮廓系数随簇数的变化,我们可以绘制轮廓系数曲线:

python 复制代码
plt.plot(list(range(2, 10)), scores)
plt.xlabel('Number of Clusters')
plt.ylabel('Silhouette Score')
plt.show()

通过观察曲线,我们可以选择一个轮廓系数较高的簇数作为最终的聚类数。

5. 进行聚类并评估结果

假设我们选择簇数为2,进行聚类并评估结果:

python 复制代码
# 聚类
km = KMeans(n_clusters=2).fit(X)
beer['cluster'] = km.labels_

# 计算轮廓系数
score = metrics.silhouette_score(X, beer.cluster)
print(score)

6、运行结果

总结

本文介绍了如何使用KMeans算法对啤酒数据集进行聚类,并使用轮廓系数来评估聚类结果的质量。通过尝试不同的簇数并计算轮廓系数,我们可以选择一个合适的簇数,从而得到较好的聚类结果。轮廓系数是一个非常有用的指标,可以帮助我们判断聚类结果的好坏。

相关推荐
hundaxxx3 分钟前
自演化大语言模型的技术背景
人工智能
数智顾问28 分钟前
【73页PPT】美的简单高效的管理逻辑(附下载方式)
大数据·人工智能·产品运营
love530love30 分钟前
【保姆级教程】阿里 Wan2.1-T2V-14B 模型本地部署全流程:从环境配置到视频生成(附避坑指南)
人工智能·windows·python·开源·大模型·github·音视频
木头左32 分钟前
结合机器学习的Backtrader跨市场交易策略研究
人工智能·机器学习·kotlin
Coovally AI模型快速验证38 分钟前
3D目标跟踪重磅突破!TrackAny3D实现「类别无关」统一建模,多项SOTA达成!
人工智能·yolo·机器学习·3d·目标跟踪·无人机·cocos2d
研梦非凡43 分钟前
CVPR 2025|基于粗略边界框监督的3D实例分割
人工智能·计算机网络·计算机视觉·3d
MiaoChuAI1 小时前
秒出PPT vs 豆包AI PPT:实测哪款更好用?
人工智能·powerpoint
fsnine1 小时前
深度学习——残差神经网路
人工智能·深度学习
荼蘼1 小时前
迁移学习实战:基于 ResNet18 的食物分类
机器学习·分类·迁移学习
和鲸社区2 小时前
《斯坦福CS336》作业1开源,从0手搓大模型|代码复现+免环境配置
人工智能·python·深度学习·计算机视觉·语言模型·自然语言处理·nlp