python sklearn K-Mearns---实例——消费水平_sklearnk-means实例

sklearn.cluster.KMeans

K-mearns取类算法

k-mearns算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低
1、随机选择k个点作为初始的聚类中心
2、对于剩下的点，根据其与聚类中心的距离，将其归入最近的簇
3、对每个簇，计算所有点的均值作为新的取类中心
4、重复2、3直到取类中心不再发生改变

拓展
计算两条数据相似性时，sklearn.K-Means默认用欧式距离，
虽然还有余弦相似度，马氏距离等多种方法，但没有设定计算距离方法的参数

K-means的应用

数据介绍：
现有1999年全国31个省份城镇居民家庭平均每月全年消费性支出 的八个主要变量数据，这八个变量分别是
食品、衣着、家庭设备用品、服务、医疗保健、交通、通讯、娱乐教育文化服务、居住以及杂项商品和服务。
利用已有数据，对31个省份进行聚类

实验目的

通过聚类，了解1999年各个省份的消费水平在国内的情况

技术路线

sklearn.cluster.Kmeans

数据

‘E:\python\Spyder_analysis\课程数据’¹

实验过程

1、使用算法：K-means聚类算法
2、实现过程：
1、建立工程，导入sklearn相关包
import numpy as np
from sklearn.cluster import KMeans
2、加载数据，创建K-means算法实例，并进行训练，获得标签
3、输出标签，查看结果
将城市按照消费水平n_clusters类，消费水平相近的城市聚集在一类中
expense:聚类中心点的数值加和，也就是平均消费水平

调用K-Means方法所需参数：
km=KMeans(n_clusters=8,init=‘k-means++’,n_init=10,max_iter=300,tol=1e-4,
precompute_distances=‘auto’,verbose=0,random_state=None,
copy_x=True,n_jobs=None,algorithm=‘auto’)
n_clusters:用于指定取类中心的个数
init:初始聚类中心的初始化方法
max_iter:最大迭代次数
一般调用 时只用给出n_clusters即可，init默认是k-means++,max_iter默认是300

其他参数：
data:加载的数据
label:聚类后各数据所属的标签
fit_predict():计算簇中心以及为簇分配序号

代码实例

import numpy as np
from sklearn.cluster import KMeans
#定义数据导入方法
def loadData(filePath):
    fr=open(filePath,'r+')  #读写打开一个文本文件
    lines=fr.readlines()    #一次读取整 个文件（类似于.read())
    retData=[]              #城市各项信息
    retCityName=[]          #城市名称
    for line in lines:
        items=line.strip().split(",")
        retCityName.append(items[0])
        retData.append([items[i] for i in range(1,len(items))])
        #print(retCityName)
    return retData,retCityName


#加载数据，创建K-means算法实例，并进行训练，获得标签
if __name__=='__main__':
    filepath='E:/python/Spyder_analysis/课程数据/聚类/31省市居民家庭消费水平-city.txt'
    data,cityName=loadData(filepath)  #利用loadData方法读取数据
    km=KMeans(n_clusters=3)              #创建实例
    label=km.fit_predict(data)          #调用Kmeans() fit_predict()方法进行计算
    expenses=np.sum(km.cluster_centers_,axis=1)  
    #print(expenses)
    CityCluster=[[],[],[]]      #将城市 按label分成设定的簇，将每个簇的城市输出
    for i in range(len(cityName)):
        CityCluster[label[i]].append(cityName[i])
    for i in range(len(CityCluster)):
        print("Expenses:%.2f" %expenses[i])
        print(CityCluster[i])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30