1.实验目的

1.使用sklearn库中的鸢尾花数据集，并尝试使用花瓣的宽度和长度特征来形成簇。
2. 为简单起见，删除其他两个特征。
3. 找出是否有任何预处理（例如缩放）可以帮助解决问题，绘制肘部曲线，从中得出k的最佳值

2.导入必要模块

from sklearn.cluster import KMeans    #从sklearn导入KMeans算法
import pandas as pd
from sklearn.preprocessing import MinMaxScaler  #数据预处理中的缩放模块
from matplotlib import pyplot as plt
from sklearn.datasets import load_iris    #从sklearn导入iris数据
%matplotlib inline

3.用pandas处理数据

iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris.feature_names) #构建df
df.drop(['sepal length (cm)','sepal width (cm)'],axis = 'columns',inplace = True)   #只取两个特征，故把另外两个特征drop掉
df.head()    #打印前5条记录检验操作是否正确

4.拟合+预测

km = KMeans(n_clusters=3)   #设定超参数聚类数为3
y_predicted = km.fit_predict(df)   #拟合+预测
y_predicted    #打印聚类结果（0表示第1个簇，1表示第2个簇，2表示第3个簇）

5.把预测结果合并到DF

df['cluster'] = y_predicted
df.head()

6.可视化聚类效果

df1 = df[df.cluster==0]  #过滤出簇0
df2 = df[df.cluster==1]  #过滤出簇1
df3 = df[df.cluster==2]  #过滤出簇2plt.scatter(df1['petal length (cm)'],df1['petal width (cm)'],color='blue')   #画簇0的散点图
plt.scatter(df2['petal length (cm)'],df2['petal width (cm)'],color='green')  #画簇1的散点图
plt.scatter(df3['petal length (cm)'],df3['petal width (cm)'],color='yellow') #画簇2的散点图
plt.scatter(km.cluster_centers_[:,0],km.cluster_centers_[:,1],color='red',marker='+',label='centroid')  #画每个簇的中心

7.比较不同的簇数的均方误差

distance = []
for k in range(1,11):km = KMeans(n_clusters=k)km.fit(df[['petal length (cm)','petal width (cm)']])distance.append(km.inertia_)plt.xlabel('K')
plt.ylabel('Sum of squared error')
plt.plot(range(1,11),distance)

效果如图：均方误差图形像一个手臂，一般在肘部为k的最佳值。

8.对数据归一化处理

有时，由于数据的取值范围不同会影响聚类的效果，因此在拟合数据前，我们最好对数据进行归一化。只需在步骤4前加如下代码。

scaler = MinMaxScaler()scaler.fit(df[['petal length (cm)']])   #计算用于以后缩放的最小值和最大值
df['petal length (cm)'] = scaler.transform(df[['petal length (cm)']])  #根据feature_range缩放X的特征
scaler.fit(df[['petal width (cm)']])
df['petal width (cm)'] = scaler.transform(df[['petal width (cm)']])

效果：

机器学习代码实战——KMeans（聚类）相关推荐

r k-means 分类结果_《机器学习》之 Kmeans聚类的原理及代码
1 介绍聚类算法是机器学习中经典的无监督学习算法,聚类算法有多种:Kmeans.Kmedians.Mean-shift.DBSCAN.层次聚类.EM等. 本文只介绍Kmeans原理及代码,之后会陆续 ...
kmeans算法_实战 | KMeans 聚类算法
1. 写在前面如果想从事数据挖掘或者机器学习的工作,掌握常用的机器学习算法是非常有必要的,常见的机器学习算法: 监督学习算法:逻辑回归,线性回归,决策树,朴素贝叶斯,K近邻,支持向量机,集成算法Ad ...
大数据进阶必修课！Spark实战KMeans聚类算法
目录 7.SparkMLlib KMeans聚类算法 7.1 KMeans聚类算法 7.2 算法源码分析 7.3 应用实战 7.3.1 数据说明 7.3.2 代码详解 7.SparkMLlib KMe ...
机器学习教程之 K-means聚类：简单有效的聚类方法
聚类是指将数据集中的样本划分为若干个不相交的子集,子集内元素的相似度大,而子集间元素的相似度小.K-means(K均值)聚类是一种非常简单有效.同时解释性也非常强的算法,看了一些相似内容的博客,将这一 ...
python简单的聚类分析代码_python kmeans聚类简单介绍和实现代码
一.k均值聚类的简单介绍假设样本分为c类,每个类均存在一个中心点,通过随机生成c个中心点进行迭代,计算每个样本点到类中心的距离(可以自定义.常用的是欧式距离) 将该样本点归入到最短距离所在的类,重新 ...
机器学习代码实战——线性回归(多变量)（Linear Regression）
文章目录 1.实验目的 2.导入必要模块并读取数据 3.对数据进行处理 3.1.experience字段数字化 3.2.test_score(out of 10)字段NaN替换为平均数 4.训练+预测 ...
机器学习代码实战——PCA（主成分分析）
文章目录 1.主成分分析基本概念 2.代码 1.主成分分析基本概念 2.代码导入必要的库 import pandas as pd import numpy as np from sklearn.da ...
机器学习代码实战——网格搜索和交叉验证（GridSearchCV）
文章目录 1.实验目的 2.导入必要模块并读取数据 3.构建模型-参数字典 4.训练 5.打印不同模型.不同参数对应的结果 1.实验目的 (1)运用GridSearchCV比较不同的模型.不同的参数对 ...
机器学习代码实战——朴素贝叶斯（实现垃圾邮件分类）
文章目录 1.实验目的 2.导入必要模块并读取数据 3.训练+预测 4.使用Sklearn Pipeline方法 1.实验目的 (1)分析邮件数据并对数据进行预处理 (2)运行朴素贝叶斯模型对邮件进行 ...

机器学习代码实战——KMeans（聚类）

文章目录