ppt的网站导航栏怎么做,铁门关市建设局网站,j2ee做网站,一个网站里有两个网页怎么做cluster#xff1a;簇
原理#xff1a;
这边暂时没有时间具体介绍kmeans聚类的原理。简单来说#xff0c;就是首先初始化k个簇心#xff1b;然后计算所有点到簇心的欧式距离#xff0c;对一个点来说#xff0c;距离最短就属于那个簇#xff1b;然后更新不同簇的簇心簇
原理
这边暂时没有时间具体介绍kmeans聚类的原理。简单来说就是首先初始化k个簇心然后计算所有点到簇心的欧式距离对一个点来说距离最短就属于那个簇然后更新不同簇的簇心簇内所有点的平均值也就是簇内点的重心循环往复直至簇心不变或达到规定的迭代次数 python实现
我们这边通过调用sklearn.cluster中的kmeans方法实现kmeans聚类
入门
原始数据的散点图
from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt# 数据
class1 1.5 * np.random.randn(100,2) #100个2维点标准差1.5正态分布
class2 1.5*np.random.randn(100,2) np.array([5,5])#标准正态分布平移55# 画出数据的散点图
plt.figure(0,dpi 300)
plt.scatter(class1[:,0],class1[:,1],cy,marker*)
plt.scatter(class2[:,0],class2[:,1],ck,marker.)
plt.axis(off) # 不显示坐标轴
plt.show()kmeans聚类
#---------------------------kmeans--------------------
# 调用kmeans函数
features np.vstack((class1,class2))
kmeans KMeans(n_clusters2)
kmeans .fit(features)plt.figure(1,dpi 300)#满足聚类标签条件的行
ndx np.where(kmeans.labels_0)
plt.scatter(features[ndx,0],features[ndx,1],cb,marker*)ndx np.where(kmeans.labels_1)
plt.scatter(features[ndx,0],features[ndx,1],cr,marker.)
# 画出簇心
plt.scatter(kmeans.cluster_centers_[:,0],kmeans.cluster_centers_[:,1],cg,markero)plt.axis(off) # 去除画布边框
plt.show()进一步选择簇心k的值
前面的数据是我们自己创建的所以簇心k是我们自己可以定为2。但是在实际中我们不了解数据所以我们需要根据数据的情况确定最佳的簇心数k。
这是下面用到的数据data11_2.txt【免费】这是kmean聚类中用到的一个数据资源-CSDN文库
簇内离差平方方和与拐点法不太好判断
定义是簇内的点是簇的重心。
则所有簇的簇内离差平方和的和为。然后通过可视化的方法找到拐点认为突然变化的点就是寻找的目标点因为继续随着k的增加聚类效果没有大的变化
借助python中的“md KMeans(i).fit(b)md.inertia_”实现。
import numpy as np
from sklearn.cluster import KMeans
import pylab as pltplt.rcParams[font.sans-serif] [SimHei] # 显示中文
a np.loadtxt(data/data11_2.txt) # 加载数
b(a-a.min(axis0))/(a.max(axis0)-a.min(axis0)) # 标准化# 求出k对应的簇内离差平均和的和
SSE []; K range(2, len(a)1)
for i in K:md KMeans(i).fit(b)SSE.append(md.inertia_) # 它表示聚类结果的簇内平方误差和Inertia# 可视化
plt.figure(1)
plt.title(k值与离差平方和的关系曲线)
plt.plot(K, SSE,*-);
# 生成想要的 x 轴刻度细化值
x_ticks np.arange(2, 10, 1)
# 设置 x 轴刻度
plt.xticks(x_ticks)
plt.show() 通过上图可以看出k3时是个拐点。所有选择k3。
轮廓系数法十分客观
定义样本点i的轮廓系数,S_i代表样本点i的轮廓系数a_i代表该点到簇内其他点的距离的均值b_i分两步首先计算该点到其他簇内点距离的平均距离然后将最小值作为b_i。a_i表示了簇内的紧密度b_i表示了簇间的分散度。
k个簇的总轮廓点系数定义为所有样本点轮廓系数的平均值。因此计算量大
总轮廓系数越接近1聚类效果越好。簇内平均距离小簇间平均距离大。
调用sklearn.metrics中的silhouette_score轮廓分数函数实现
#程序文件ex11_7.py
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
plt.rcParams[font.sans-serif] [SimHei]# 忽略警告
import warnings
# 使用过滤器来忽略特定类型的警告
warnings.filterwarnings(ignore)a np.loadtxt(data/data11_2.txt)
b(a-a.min(axis0))/(a.max(axis0)-a.min(axis0))
S []; K range(2, len(a))
for i in K:md KMeans(i).fit(b)labels md.labels_S.append(silhouette_score(b, labels))
plt.figure(dpi 300)
plt.title(k值与轮廓系数的关系曲线)
plt.plot(K, S,*-); plt.show() 综上两种方法好像并没有什么最好的方法离差平均和不好判断轮廓系数又像上面的情况。感觉综合两种方法比较好
