机器学习笔记——K-means算法

之前的笔记因为重装系统全没了，因此试试在线保存。

K-means算法是无监督学习中的一种，

流程包括：

1. 随机设置K个聚类中心。

2. 对所有点按照到聚类中心的距离进行分类。

3.分别对K类，取类中的平均值作为新的聚类中心。

4.若新聚类中心和上次聚类中心一致，则停止；否则重复步骤2。

调包实现K-means算法：

参考视频：15-KMeans算法原理_哔哩哔哩_bilibili​​​​​​

import pandas as pd
from sklearn.decomposition import PCA
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
 
# 1、获取数据，数据来源http://yun.itheima.com/course/500.html?bili
order_products = pd.read_csv("./instacart/order_products__prior.csv")
products = pd.read_csv("./instacart/products.csv")
orders = pd.read_csv("./instacart/orders.csv")
aisles = pd.read_csv("./instacart/aisles.csv")
# 合并aisles和products aisle和product_id
tab1 = pd.merge(aisles, products, on=["aisle_id", "aisle_id"])
tab2 = pd.merge(tab1, order_products, on=["product_id", "product_id"])
tab3 = pd.merge(tab2, orders, on=["order_id", "order_id"])
# 3、找到user_id和aisle之间的关系
table = pd.crosstab(tab3["user_id"], tab3["aisle"])
data = table[:10000]
# 4、PCA降维
# 1）实例化一个转换器类
transfer = PCA(n_components=0.95)
# 2）调用fit_transform
data_new = transfer.fit_transform(data)
# 预估器
estimator = KMeans(n_clusters=3)
estimator.fit(data_new)
y_predict = estimator.predict(data_new)
# 模型评估-轮廓系数
print(f"轮廓系数：{silhouette_score(data_new, y_predict)}")

运行结果：