机器学习之 K-means算法的代码实现

2024-08-28 00:52

本文主要是介绍机器学习之 K-means算法的代码实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

K-means 算法简介

K-means 是一种常用的无监督学习算法,主要用于数据聚类。它的主要思想是将数据集中的数据分成 K 个簇(Cluster),使得簇内的数据点尽可能相似,而簇间的差异尽可能大。K-means 算法的核心步骤包括初始化质心、分配数据点到最近的质心、更新质心,重复这个过程直到收敛。

导入实验数据

在本实验中,我们将使用一个啤酒数据集,数据集包含每种啤酒的卡路里(calories)、钠含量(sodium)、酒精含量(alcohol)和价格(cost)。这些数据将用于 K-means 聚类分析。

实验数据如下:

实验代码详解

导入库和数据

import pandas as pd
from sklearn.cluster import KMeans
from sklearn import metrics# 读取文件
beer = pd.read_table("data.txt", sep=' ', encoding='utf8', engine='python')# 传入变量(列名)
X = beer[["calories", "sodium", "alcohol", "cost"]]
print(X)

解释:

  • 我们首先导入所需的库。
  • 使用 pd.read_table 函数读取名为 data.txt 的数据文件,其中 sep=' ' 表示数据分隔符为空格。
  • 然后选择四列数据作为输入特征,并将其存储在变量 X 中。

计算轮廓系数得分 

scores = []
for k in range(2, 10):  # 寻找合适的K值labels = KMeans(n_clusters=k).fit(X).labels_score = metrics.silhouette_score(X, labels)  # 轮廓系数scores.append(score)
print(scores)

解释:

  • 这部分代码的目的是找到最适合的簇数量。
  • 使用 range(2, 10) 来循环尝试从 2 到 9 个簇。
  • 对于每个簇数量,我们使用 KMeans 类进行聚类,并获取聚类标签。
  • 使用 metrics.silhouette_score 计算轮廓系数得分,该得分越高表示簇内的数据点越相似,簇间差异越大。
  • 得分被存储在列表 scores 中。

绘制得分结果

import matplotlib.pyplot as pltplt.plot(list(range(2, 10)), scores)
plt.xlabel("Number of Clusters Initialized")
plt.ylabel("Silhouette Score")
plt.show()

解释:

  • 使用 matplotlib 绘制簇数量与轮廓系数得分之间的关系。
  • 通过观察得分曲线,我们可以找到最佳的簇数量。

聚类

km = KMeans(n_clusters=2).fit(X)  # K值为2【分为2类】
beer['cluster'] = km.labels_

解释:

  • 根据之前的得分结果,我们选择了 K=2 进行聚类。
  • 使用 KMeans 类进行聚类,并将结果存储在 beer DataFrame 的新列 cluster 中。

对聚类结果进行评分

score = metrics.silhouette_score(X, beer.cluster)
print(score)

解释:

  • 最后,我们再次计算轮廓系数得分,以评估最终聚类结果的质量。
输出结果:

总结

通过上述步骤,我们完成了 K-means 聚类分析的过程。K-means 算法通过迭代的方式不断优化簇内数据的相似性和簇间数据的差异性,从而达到聚类的目的。在本实验中,我们不仅实现了 K-means 算法,还通过轮廓系数得分来评估不同簇数量下的聚类效果,并最终确定了最佳的簇数量。这种方法在很多实际应用中都非常有用,特别是在需要对数据进行分组和分析的场景中。

这篇关于机器学习之 K-means算法的代码实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1113264

相关文章

Linux下删除乱码文件和目录的实现方式

《Linux下删除乱码文件和目录的实现方式》:本文主要介绍Linux下删除乱码文件和目录的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux下删除乱码文件和目录方法1方法2总结Linux下删除乱码文件和目录方法1使用ls -i命令找到文件或目录

SpringBoot+EasyExcel实现自定义复杂样式导入导出

《SpringBoot+EasyExcel实现自定义复杂样式导入导出》这篇文章主要为大家详细介绍了SpringBoot如何结果EasyExcel实现自定义复杂样式导入导出功能,文中的示例代码讲解详细,... 目录安装处理自定义导出复杂场景1、列不固定,动态列2、动态下拉3、自定义锁定行/列,添加密码4、合并

mybatis执行insert返回id实现详解

《mybatis执行insert返回id实现详解》MyBatis插入操作默认返回受影响行数,需通过useGeneratedKeys+keyProperty或selectKey获取主键ID,确保主键为自... 目录 两种方式获取自增 ID:1. ​​useGeneratedKeys+keyProperty(推

Spring Boot集成Druid实现数据源管理与监控的详细步骤

《SpringBoot集成Druid实现数据源管理与监控的详细步骤》本文介绍如何在SpringBoot项目中集成Druid数据库连接池,包括环境搭建、Maven依赖配置、SpringBoot配置文件... 目录1. 引言1.1 环境准备1.2 Druid介绍2. 配置Druid连接池3. 查看Druid监控

Linux在线解压jar包的实现方式

《Linux在线解压jar包的实现方式》:本文主要介绍Linux在线解压jar包的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux在线解压jar包解压 jar包的步骤总结Linux在线解压jar包在 Centos 中解压 jar 包可以使用 u

c++ 类成员变量默认初始值的实现

《c++类成员变量默认初始值的实现》本文主要介绍了c++类成员变量默认初始值,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录C++类成员变量初始化c++类的变量的初始化在C++中,如果使用类成员变量时未给定其初始值,那么它将被

Qt使用QSqlDatabase连接MySQL实现增删改查功能

《Qt使用QSqlDatabase连接MySQL实现增删改查功能》这篇文章主要为大家详细介绍了Qt如何使用QSqlDatabase连接MySQL实现增删改查功能,文中的示例代码讲解详细,感兴趣的小伙伴... 目录一、创建数据表二、连接mysql数据库三、封装成一个完整的轻量级 ORM 风格类3.1 表结构

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核