算法簡介

K-means算法是很典型的基于距離的聚類算法，采用距離作為相似性的評價(jià)指標(biāo)，即認(rèn)為兩個(gè)對象的距離越近，其相似度就越大。該算法認(rèn)為簇是由距離靠近的對象組成的，因此把得到緊湊且獨(dú)立的簇作為最終目標(biāo)。

算法過程如下：

1）從N個(gè)文檔隨機(jī)選取K個(gè)文檔作為中心點(diǎn)；

2）對剩余的每個(gè)文檔測量其到每個(gè)中心點(diǎn)的距離，并把它歸到最近的質(zhì)心的類；

3）重新計(jì)算已經(jīng)得到的各個(gè)類的中心點(diǎn)；

4）迭代2～3步直至新的質(zhì)心與原質(zhì)心相等或小于指定閾值，算法結(jié)束。

?

算法優(yōu)缺點(diǎn)：

優(yōu)點(diǎn)：

對處理大數(shù)據(jù)集，該算法保持可伸縮性和高效性

算法快速、簡單，易于理解;

缺點(diǎn)：

在 K-means 算法中 K 是事先給定的，這個(gè) K 值的選定是非常難以估計(jì)的，具體應(yīng)用中只能靠經(jīng)驗(yàn)選取；

對噪聲和孤立點(diǎn)數(shù)據(jù)敏感，導(dǎo)致均值偏離嚴(yán)重；

當(dāng)數(shù)據(jù)量非常大時(shí)，算法的時(shí)間開銷是非常大的；

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。

---

代碼實(shí)現(xiàn)

第一步：讀取文件，簡單查看數(shù)據(jù)

import pandas as pd import numpy as np from pandas import DataFrame,Series from sklearn.cluster import KMeans from sklearn.cluster import Birch#讀取文件 datafile = u'E:\\pythondata\\julei.xlsx'#文件所在位置，u為防止路徑中有中文名稱，此處沒有，可以省略 outfile = u'E:\\pythondata\\julei_out.xlsx'#設(shè)置輸出文件的位置 data = pd.read_excel(datafile)#datafile是excel文件，所以用read_excel,如果是csv文件則用read_csv d = DataFrame(data) d.head() ?assistsheighttimeagepoints01234

0.0888	201	36.02	28	0.5885
0.1399	198	39.32	30	0.8291
0.0747	198	38.80	26	0.4974
0.0983	191	40.71	30	0.5772
0.1276	196	38.40	28	0.5703

?列名：助攻，身高，比賽時(shí)間，年齡，得分，根據(jù)這幾項(xiàng)進(jìn)行聚類。

?

第二步：聚類

#聚類 mod = KMeans(n_clusters=3, n_jobs = 4, max_iter = 500)#聚成3類數(shù)據(jù),并發(fā)數(shù)為4，最大循環(huán)次數(shù)為500 mod.fit_predict(d)#y_pred表示聚類的結(jié)果#聚成3類數(shù)據(jù)，統(tǒng)計(jì)每個(gè)聚類下的數(shù)據(jù)量，并且求出他們的中心 r1 = pd.Series(mod.labels_).value_counts() r2 = pd.DataFrame(mod.cluster_centers_) r = pd.concat([r2, r1], axis = 1) r.columns = list(d.columns) + [u'類別數(shù)目'] print(r)#給每一條數(shù)據(jù)標(biāo)注上被分為哪一類 r = pd.concat([d, pd.Series(mod.labels_, index = d.index)], axis = 1) r.columns = list(d.columns) + [u'聚類類別'] print(r.head()) r.to_excel(outfile)#如果需要保存到本地，就寫上這一列

?

第三步：可視化，簡單的標(biāo)注上分為哪一類怎么能滿足？當(dāng)然要看看可視化效果，畢竟注意一目了然的判斷聚類的效果

#可視化過程 from sklearn.manifold import TSNEts = TSNE() ts.fit_transform(r) ts = pd.DataFrame(ts.embedding_, index = r.index)import matplotlib.pyplot as plta = ts[r[u'聚類類別'] == 0] plt.plot(a[0], a[1], 'r.') a = ts[r[u'聚類類別'] == 1] plt.plot(a[0], a[1], 'go') a = ts[r[u'聚類類別'] == 2] plt.plot(a[0], a[1], 'b*') plt.show()

因?yàn)镵-means 算法過于大眾化，而且代碼其實(shí)比較簡單的，所以備注比較少，如果需要備注或者有任何疑問，歡迎留言。

總結(jié)

以上是生活随笔為你收集整理的聚类分析 - K-means - Python代码实现的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。