kmeanssklearn实例_sklearn KMeans聚类算法（总结）
基本原理
Kmeans是无监督学习的代表，没有所谓的Y。主要目的是分类，分类的依据就是样本之间的距离。比如要分为K类。步骤是：
随机选取K个点。
计算每个点到K个质心的距离，分成K个簇。
计算K个簇样本的平均值作新的质心
循环2、3
位置不变，距离完成
距离
Kmeans的基本原理是计算距离。一般有三种距离可选：
欧氏距离
[
d(x,u)=sqrt{sum_{i=1}^n(x_i-mu_i)^2}
]
曼哈顿距离
[
d(x,u)=sum_{i=1}^n(|x_i-mu|)
]
余弦距离
[
cos heta=frac{sum_{i=1}^n(x_i*mu)}{sqrt{sum_i^n(x_i)^2}*sqrt{sum_1^n(mu)^2}}
]
inertia
每个簇内到其质心的距离相加，叫inertia。各个簇的inertia相加的和越小，即簇内越相似。(但是k越大inertia越小，追求k越大对应用无益处)
代码
模拟数据：
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
X, y = make_blobs(n_samples=500, # 500个样本
n_features=2, # 每个样本2个特征
centers=4, # 4个中心
random_state=1 #控制随机性
)
画出图像：
color = [red, pink,orange,gray]
fig, axi1=plt.subplots(1)
for i in range(4):
axi1.scatter(X[y==i, 0], X[y==i,1],
marker=o,
s=8,
c=color[i]
)
plt.show()
使用KMeans类建模：
from sklearn.cluster import KMeans
n_clusters=3
cluster = KMeans(n_clusters=n_clusters,random_state=0).fit(X)
也可先用fit, 再用predict，但是可能数据不准确。用于数据量较大时。
此时就可以查看其属性了：质心、inertia.
centroid=cluster.cluster_centers_
centroid # 查看质心
查看inertia:
inertia=cluster.inertia_
inertia
画出所在位置。
color=[red,pink,orange,gray]
fig, axi1=plt.subplots(1)
for i in range(n_clusters):
axi1.scatter(X[y_pred==i, 0], X[y_pred==i, 1],
marker=o,
s=8,
c=color[i])
axi1.scatter(centroid[:,0],centroid[:,1],marker=x,s=100,c=black)
基本原理 Kmeans是无监督学习的代表，没有所谓的Y。主要目的是分类，分类的依据就是样本之间的距离。比如要分为K类。步骤是： 随机选取K个点。 计算每个点到K个质心的距离，分成K个簇。 计算K个簇样本的平均值作新的质心 循环2、3 位置不变，距离完成 距离 Kmeans的基本原理是计算距离。一般有三种距离可选： 欧氏距离 [ d(x,u)=sqrt{sum_{i=1}^n(x_i-mu_i)^2} ] 曼哈顿距离 [ d(x,u)=sum_{i=1}^n(|x_i-mu|) ] 余弦距离 [ cos heta=frac{sum_{i=1}^n(x_i*mu)}{sqrt{sum_i^n(x_i)^2}*sqrt{sum_1^n(mu)^2}} ] inertia 每个簇内到其质心的距离相加，叫inertia。各个簇的inertia相加的和越小，即簇内越相似。(但是k越大inertia越小，追求k越大对应用无益处) 代码 模拟数据： from sklearn.datasets import make_blobs import matplotlib.pyplot as plt X, y = make_blobs(n_samples=500, # 500个样本 n_features=2, # 每个样本2个特征 centers=4, # 4个中心 random_state=1 #控制随机性 ) 画出图像： color = [red, pink,orange,gray] fig, axi1=plt.subplots(1) for i in range(4): axi1.scatter(X[y==i, 0], X[y==i,1], marker=o, s=8, c=color[i] ) plt.show() 使用KMeans类建模： from sklearn.cluster import KMeans n_clusters=3 cluster = KMeans(n_clusters=n_clusters,random_state=0).fit(X) 也可先用fit, 再用predict，但是可能数据不准确。用于数据量较大时。 此时就可以查看其属性了：质心、inertia. centroid=cluster.cluster_centers_ centroid # 查看质心 查看inertia: inertia=cluster.inertia_ inertia 画出所在位置。 color=[red,pink,orange,gray] fig, axi1=plt.subplots(1) for i in range(n_clusters): axi1.scatter(X[y_pred==i, 0], X[y_pred==i, 1], marker=o, s=8, c=color[i]) axi1.scatter(centroid[:,0],centroid[:,1],marker=x,s=100,c=black)