机器学习_KMeans聚类算法的学习(Python实现)

迷南。 2022-12-22 09:19 292阅读 0赞

> Kmeans算法是最常用的聚类算法。  
> 主要思想是:在给定K值和K个初始类簇中心点的情况下，把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中，所有点分配完毕之后，根据一个类簇内的所有点重新计算该类簇的中心点(取平均值)，然后再迭代的进行分配点和更新类簇中心点的步骤，直至类簇中心点的变化很小，或者达到指定的迭代次数。  
>

其训练数据的流程是：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dfd2VpeGlhb3Rhbw_size_16_color_FFFFFF_t_70_pic_center]

根据上面的流程图来实现具体代码：  
数据集提取链接  
**链接：https://pan.baidu.com/s/1hqS9BOfwICAZ9IfTz5\_BCA  
提取码：zlyi**

import numpy as np
    import matplotlib as mpl
    import matplotlib.pyplot as plt
    import pandas as pd
    
    
    class KMeans:
        def __init__(self, k, times):
            self.k = k
            self.times = times
            self.cluster_centers = None
            self.labels = None
    
        def fit(self, X):
            X = np.asarray(X)
            # 通过设置随机种子可以保证每次运行得到的随机序列是相同的，随机种子也可以是别的数，不一定为0
            np.random.seed(0)
            # 随机选择聚类中心
            self.cluster_centers = X[np.random.randint(0, len(X), self.k)]
            # 初始化标签为0
            self.labels = np.zeros(len(X))
            for i in range(self.times):
                for index, x in enumerate(X):
                    # 计算每个点与聚类中心的距离
                    dis = np.sqrt(np.sum((x - self.cluster_centers) ** 2, axis=1))
                    # 将该样本点的标签设置为欧式距离最近的样本点
                    self.labels[index] = dis.argmin()
                # 根据已经初步分类的结果计算均值更新簇中心，self.k为簇中心的个数    
                for j in range(self.k):
                    self.cluster_centers[j] = np.mean(X[self.labels == j], axis=0)
    
        def predict(self, X):
            X = np.asarray(X)
            result = np.zeros(len(X))
            for index, x in enumerate(X):
                dis = np.sqrt(np.sum((x - self.cluster_centers) ** 2, axis=1))
                result[index] = dis.argmin()
            return result
    
    
    if __name__ == '__main__':
        data = pd.read_csv('order.csv')
        t = data.iloc[:, -8:]
        kmeans = KMeans(3, 50)
        # 可视化代码，因为多个特征不好实现可视化，遂选取2个特征来进行可视化的实现
        t2 = t.loc[:, "Food%":"Fresh%"]
        kmeans.fit(t2)
        # 设置可视化中文的实现，字体
        mpl.rcParams['font.family'] = 'SimHei'
        mpl.rcParams['axes.unicode_minus'] = False
        plt.figure(figsize=(10, 10))
        # result = kmeans.predict([[30,30,40,0,0,0,0,0],[0,0,0,0,0,30,30,40],[30,30,0,0,0,0,20,20]])
        # print(result) 预测的代码
        # 画出各个簇的可视化图 
        plt.scatter(t2[kmeans.labels == 0].iloc[:, 0], t2[kmeans.labels == 0].iloc[:, 1], label='类别1')
        plt.scatter(t2[kmeans.labels == 1].iloc[:, 0], t2[kmeans.labels == 1].iloc[:, 1], label='类别2')
        plt.scatter(t2[kmeans.labels == 2].iloc[:, 0], t2[kmeans.labels == 2].iloc[:, 1], label='类别3')
        # 簇中心用 + 画出 
        plt.scatter(kmeans.cluster_centers[:, 0], kmeans.cluster_centers[:, 1], marker='+', s=300)
        plt.title('分析')
        plt.xlabel('食物')
        plt.ylabel('肉类')
        plt.legend()
        plt.show()

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dfd2VpeGlhb3Rhbw_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/22c8592fefc1492d84baa45ac86f03ad.png