如何利用python實現(xiàn)kmeans聚類
一、先上手擼代碼!
1、首先是導入所需要的庫和數(shù)據(jù)
import pandas as pd
import numpy as np
import random
import math
import matplotlib.pyplot as plt
# 這兩行代碼解決 plt 中文顯示的問題
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
df = pd.read_excel('13信科學生成績.xlsx')
data = np.array(df)
df.head(10)先給大伙們看看數(shù)據(jù)集長啥樣:

用matplotlib簡單的可視化一下初始數(shù)據(jù):
# 輸入數(shù)據(jù)
x = data.T[0]
y = data.T[1]
plt.scatter(x, y, s=50, c='r') # 畫散點圖
plt.xlabel('平時') # 橫坐標軸標題
plt.ylabel('期末') # 縱坐標軸標題
plt.show()
2、接下來就是kmeans的核心算法了
k=3
i = 1
min1 = data.min(axis = 0)
max1 = data.max(axis = 0)
#在數(shù)據(jù)最大最小值中隨機生成k個初始聚類中心,保存為t
centre = np.empty((k,2))
for i in range(k):
centre[i][0] = random.randint(min1[0],max1[0])#平時成績
centre[i][1] = random.randint(min1[1],max1[1])#期末成績
while i<500:
#計算歐氏距離
def euclidean_distance(List,t):
return math.sqrt(((List[0] - t[0])**2 + (List[1] - t[1])**2))
#每個點到每個中心點的距離矩陣
dis = np.empty((len(data),k))
for i in range(len(data)):
for j in range(k):
dis[i][j] = euclidean_distance(data[i],centre[j])
#初始化分類矩陣
classify = []
for i in range(k):
classify.append([])
#比較距離并分類
for i in range(len(data)):
List = dis[i].tolist()
index = List.index(dis[i].min())
classify[index].append(i)
#構(gòu)造新的中心點
new_centre = np.empty((k,2))
for i in range(len(classify)):
new_centre[i][0] = np.sum(data[classify[i]][0])/len(classify[i])
new_centre[i][1] = np.sum(data[classify[i]][1])/len(classify[i])
#比較新的中心點和舊的中心點是否一樣
if (new_centre == centre).all():
break
else:
centre = new_centre
i = i + 1
# print('迭代次數(shù)為:',i)
print('聚類中心為:',new_centre)
print('分類情況為:',classify)注意!??!這里的k是指分成k類,讀者可以自行選取不同的k值做實驗

3、可視化部分(將不用類用不同顏色區(qū)分開來~~)
mark = ['or', 'ob', 'og', 'ok','sb', 'db', '<b', 'pb'] #紅、藍、綠、黑四種顏色的圓點
#mark=['sb', 'db', '<b', 'pb']
plt.figure(3)#創(chuàng)建圖表1
for i in range(0,k):
x=[]
y=[]
for j in range(len(classify[i])):
x.append(data[classify[i][j]][0])
y.append(data[classify[i][j]][1])
plt.xlim(xmax=105,xmin=45)
plt.ylim(ymax=85,ymin=-5)
plt.plot(x,y,mark[i])
#plt.show()一起來康康可視化結(jié)果8??!

二、接下來是調(diào)庫代碼?。╯klearn)
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn import metrics
df = pd.read_excel('13信科學生成績.xlsx')
data = np.array(df)
y_pred=KMeans(n_clusters=3,random_state=9).fit_predict(data)
plt.scatter(data[:,0],data[:,1],c=y_pred)
plt.show()
print(metrics.calinski_harabasz_score(data,y_pred))可視化結(jié)果和手擼的結(jié)果略有差別,有可能是數(shù)據(jù)集的問題,也有可能是k值選取的問題,各位親們不需要擔心!??!

附:對k-means算法的認識
1.優(yōu)點
(1)算法快速、簡單。
(2)對大數(shù)據(jù)集有較高的效率并且是可伸縮性的。
(3)時間復雜度近于線性,而且適合挖掘大規(guī)模數(shù)據(jù)集。K-Means聚類算法的時間復雜度是O(nkt) ,其中n代表數(shù)據(jù)集中對象的數(shù)量,t代表著算法迭代的次數(shù),k代表著簇的數(shù)目。
2.缺點
(1)聚類是一種無監(jiān)督的學習方法,在 K-means 算法中 K 是事先給定的,K均值算法需要用戶指定創(chuàng)建的簇數(shù)k,但這個 K 值的選定是非常難以估計的。
(2)在 K-means 算法中,首先需要根據(jù)初始聚類中心來確定一個初始劃分,然后對初始劃分進行優(yōu)化。這個初始聚類中心的選擇對聚類結(jié)果有較大的影響,一旦初始值選擇的不好,可能無法得到有效的聚類結(jié)果,這也成為 K-means算法的一個主要問題。
(3)從 K-means 算法框架可以看出,該算法需要不斷地進行樣本分類調(diào)整,不斷地計算調(diào)整后的新的聚類中心,因此當數(shù)據(jù)量非常大時,算法的時間開銷是非常大的。所以需要對算法的時間復雜度進行分析、改進,提高算法應用范圍,而這導致K均值算法在大數(shù)據(jù)集上收斂較慢。
總結(jié)
到此這篇關(guān)于如何利用python實現(xiàn)kmeans聚類的文章就介紹到這了,更多相關(guān)python實現(xiàn)kmeans聚類內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
提高Python生產(chǎn)力的五個Jupyter notebook插件
Jupyter Notebook 因其可用性和實用性而成為數(shù)據(jù)分析和機器學習模型領(lǐng)域最流行的 IDE,它也是很多數(shù)據(jù)初學者的首選 IDE。它最具特色的是,擁有豐富的插件、擴展數(shù)據(jù)處理能力和提升工作效率2021-11-11
Python之sklearn數(shù)據(jù)預處理中fit(),transform()與fit_transform()的區(qū)別
這篇文章主要介紹了Python之sklearn數(shù)據(jù)預處理中fit(),transform()與fit_transform()的區(qū)別及說明,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2023-02-02
Python?mistune庫靈活的Markdown解析器使用實例探索
本文將深入介紹Python?Mistune,包括其基本概念、安裝方法、示例代碼以及一些高級用法,以幫助大家充分利用這一工具來處理Markdown文本2024-01-01
python正則表達式修復網(wǎng)站文章字體不統(tǒng)一的解決方法
python正則表達式修復網(wǎng)站文章字體不統(tǒng)一的解決方法,需要的朋友可以參考一下2013-02-02

