Python中k均值聚類的示例分析-創(chuàng)新互聯(lián)

這篇文章將為大家詳細(xì)講解有關(guān)Python中k均值聚類的示例分析，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

創(chuàng)新互聯(lián)建站專注于灤平網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗(yàn)。 熱誠(chéng)為您提供灤平營(yíng)銷型網(wǎng)站建設(shè)，灤平網(wǎng)站制作、灤平網(wǎng)頁設(shè)計(jì)、灤平網(wǎng)站官網(wǎng)定制、小程序設(shè)計(jì)服務(wù)，打造灤平網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供灤平網(wǎng)站排名全網(wǎng)營(yíng)銷落地服務(wù)。

一.k-means算法

人以類聚，物以群分，k-means聚類算法就是體現(xiàn)。數(shù)學(xué)公式不要，直接用白話描述的步驟就是：

1.隨機(jī)選取k個(gè)質(zhì)心（k值取決于你想聚成幾類）
2.計(jì)算樣本到質(zhì)心的距離，距離質(zhì)心距離近的歸為一類，分為k類
3.求出分類后的每類的新質(zhì)心
4.判斷新舊質(zhì)心是否相同，如果相同就代表已經(jīng)聚類成功，如果沒有就循環(huán)2-3直到相同

用程序的語言描述就是：

1.輸入樣本
2.隨機(jī)去k個(gè)質(zhì)心
3.重復(fù)下面過程知道算法收斂：

計(jì)算樣本到質(zhì)心距離（歐幾里得距離）
樣本距離哪個(gè)質(zhì)心近，就記為那一類
計(jì)算每個(gè)類別的新質(zhì)心（平均值）

二.需求分析

數(shù)據(jù)來源：從國(guó)際統(tǒng)計(jì)局down的數(shù)據(jù)，數(shù)據(jù)為城鄉(xiāng)居民家庭人均收入及恩格爾系數(shù)（點(diǎn)擊這里下載）

數(shù)據(jù)描述：

1.橫軸：城鎮(zhèn)居民家庭人均可支配收入和農(nóng)村居民家庭人均純收入，
2.縱軸：1996-2012年。
3.數(shù)據(jù)為年度數(shù)據(jù)

需求說明：我想把這數(shù)據(jù)做個(gè)聚類分析，看人民的收入大概經(jīng)歷幾個(gè)階段（感覺我好高大上?。?

需求分析：

1.由于樣本數(shù)據(jù)有限，就兩列，用k-means聚類有很大的準(zhǔn)確性
2.用文本的形式導(dǎo)入數(shù)據(jù)，結(jié)果輸出聚類后的質(zhì)心，這樣就能看出人民的收入經(jīng)歷了哪幾個(gè)階段

三.Python實(shí)現(xiàn)

引入numpy模塊，借用其中的一些方法進(jìn)行數(shù)據(jù)處理，上代碼：

# -*- coding=utf-8 -*-

"""
authon:xuwf
created:2017-02-07
purpose:實(shí)現(xiàn)k-means算法
"""

import numpy as np
import random

'''裝載數(shù)據(jù)'''
def load():
 data=np.loadtxt('data\k-means.csv',delimiter=',')
 return data

'''計(jì)算距離'''
def calcDis(data,clu,k):
 clalist=[] #存放計(jì)算距離后的list
 data=data.tolist() #轉(zhuǎn)化為列表
 clu=clu.tolist()
 for i in range(len(data)):
  clalist.append([])
  for j in range(k):
   dist=round(((data[i][1]-clu[j][0])**2+(data[i][2]-clu[j][1])**2)*0.05,1)
   clalist[i].append(dist)
 clalist=np.array(clalist) #轉(zhuǎn)化為數(shù)組
 return clalist

'''分組'''
def group(data,clalist,k):
 grouplist=[] #存放分組后的集群
 claList=clalist.tolist()
 data=data.tolist()
 for i in range(k):
  #確定要分組的個(gè)數(shù)，以空列表的形式，方便下面進(jìn)行數(shù)據(jù)的插入
  grouplist.append([])
 for j in range(len(clalist)):
  sortNum=np.argsort(clalist[j])
  grouplist[sortNum[0]].append(data[j][1:])
 grouplist=np.array(grouplist)
 return grouplist

'''計(jì)算質(zhì)心'''
def calcCen(data,grouplist,k):
 clunew=[]
 data=data.tolist()
 grouplist=grouplist.tolist()
 templist=[]
 #templist=np.array(templist)
 for i in range(k):
  #計(jì)算每個(gè)組的新質(zhì)心
  sumx=0
  sumy=0
  for j in range(len(grouplist[i])):
   sumx+=grouplist[i][j][0]
   sumy+=grouplist[i][j][1]
  clunew.append([round(sumx/len(grouplist[i]),1),round(sumy/len(grouplist[i]),1)])
 clunew=np.array(clunew)
 #clunew=np.mean(grouplist,axis=1)
 return clunew

'''優(yōu)化質(zhì)心'''
def classify(data,clu,k):
 clalist=calcDis(data,clu,k) #計(jì)算樣本到質(zhì)心的距離
 grouplist=group(data,clalist,k) #分組
 for i in range(k):
  #替換空值
  if grouplist[i]==[]:
   grouplist[i]=[4838.9,1926.1]
 clunew=calcCen(data,grouplist,k)
 sse=clunew-clu
 #print "the clu is :%r\nthe group is :%r\nthe clunew is :%r\nthe sse is :%r" %(clu,grouplist,clunew,sse)
 return sse,clunew,data,k 

if __name__=='__main__':
 k=3 #給出要分類的個(gè)數(shù)的k值
 data=load() #裝載數(shù)據(jù)
 clu=random.sample(data[:,1:].tolist(),k) #隨機(jī)取質(zhì)心
 clu=np.array(clu)
 sse,clunew,data,k=classify(data,clu,k)
 while np.any(sse!=0):
  sse,clunew,data,k=classify(data,clunew,k)
 clunew=np.sort(clunew,axis=0)
 print "the best cluster is %r" %clunew

四.測(cè)試

直接運(yùn)行程序就可以，k值可以自己設(shè)置，會(huì)發(fā)現(xiàn)k=3的時(shí)候結(jié)果數(shù)據(jù)是最穩(wěn)定的，這里我就不貼圖了
需要注意的是上面的代碼里面主函數(shù)里的數(shù)據(jù)結(jié)構(gòu)都是array，但是在每個(gè)小函數(shù)里就有可能轉(zhuǎn)化成了list，主要原因是需要進(jìn)行array的一下方法進(jìn)行計(jì)算，而轉(zhuǎn)化為list的原因是需要向數(shù)組中插入數(shù)據(jù)，但是array做不到?。ㄖ辽傥覜]找到怎么做）。于是這里就出現(xiàn)了一個(gè)問題，那就是數(shù)據(jù)結(jié)構(gòu)混亂，到最后我調(diào)試了半天，干脆將主函數(shù)的數(shù)據(jù)結(jié)構(gòu)都轉(zhuǎn)化成array，在小函數(shù)中輸入的array，輸出的時(shí)候也轉(zhuǎn)化成了array，這樣就清晰多了

五.算法分析

單看這個(gè)算法還是較好理解的，但是算法的目的是聚類，那就要考慮到聚類的準(zhǔn)確性，這里聚類的準(zhǔn)確性取決于k值、初始質(zhì)心和距離的計(jì)算方式。

• k值就要看個(gè)人經(jīng)驗(yàn)和多次試驗(yàn)了，算法結(jié)果在哪個(gè)k值的時(shí)候更穩(wěn)定就證明這個(gè)分類更加具有可信度，其中算法結(jié)果的穩(wěn)定也取決于初始質(zhì)心的選擇

• 初始質(zhì)心一般都是隨機(jī)選取的，怎么更準(zhǔn)確的選擇初始質(zhì)心呢？有種較難實(shí)現(xiàn)的方法是將樣本中所有點(diǎn)組合起來都取一遍，然后計(jì)算算法收斂后的所有質(zhì)心到樣本的距離之和，哪個(gè)距離最小，哪個(gè)的聚類就最為成功，相對(duì)應(yīng)的初始質(zhì)心就選取的最為準(zhǔn)確。但是這種方法有很大的計(jì)算量，如果樣本很大，維度很多，那就是讓電腦干到死的節(jié)奏

• 距離的計(jì)算方式取決于樣本的特征，有很多的選擇，入歐式距離，夾角余弦距離，曼哈頓距離等，具體的數(shù)據(jù)特性用具體的距離計(jì)算方式

六.項(xiàng)目評(píng)測(cè)

1.項(xiàng)目總結(jié)數(shù)據(jù)源的數(shù)據(jù)很干凈，不需要進(jìn)行過多的數(shù)據(jù)清洗和數(shù)據(jù)降噪，數(shù)據(jù)預(yù)處理的工作成本接近為0。需求基本實(shí)現(xiàn)
2.還能做什么:可以用計(jì)算最小距離之和的方法求出最佳k值，這樣就可以得到穩(wěn)定的收入階梯；可以引入畫圖模塊，將數(shù)據(jù)結(jié)果進(jìn)行數(shù)據(jù)可視化，顯得更加直觀；如果可能應(yīng)該引入更多的維度或更多的數(shù)據(jù)，這樣得到的聚類才更有說服力。

關(guān)于“Python中k均值聚類的示例分析”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。

網(wǎng)頁名稱：Python中k均值聚類的示例分析-創(chuàng)新互聯(lián)
瀏覽地址：http://bm7419.com/article2/dsdpic.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供定制網(wǎng)站、外貿(mào)建站、軟件開發(fā)、企業(yè)網(wǎng)站制作、營(yíng)銷型網(wǎng)站建設(shè)、App設(shè)計(jì)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)