本文共 2231 字,大约阅读时间需要 7 分钟。
优点:
原理简单 速度快 能够处理大量的数据缺点:
需要指定聚类 数量K 对异常值敏感 对初始值敏感在无监督学习中,数据不带任何标签。
能找出数据内在分类规则,并分成独立的点集(蔟),算法称为聚类算法。
K-均值是最普及的聚类算法,算法接受一个未标记的数据集,然后将数据聚类成不同的组。
在下图中,可以看到,A,B,C,D,E是五个样本点,而灰色的点是随机点,也就是我们用来找点群的点。有两个种子点,所以K=2。
然后,K-Means的算法如下: 1)随机在图中取K(这里K=2)个种子点。 2)然后对图中的所有点求到这K个种子点的距离,假如点Pi离种子点Si最近,那么Pi属于Si点群。(上图中,我们可以看到A,B属于上面的种子点,C,D,E属于下面中部的种子点) 3)接下来,我们要移动种子点到属于他的“点群”的中心。(见图上的第三步) 4)然后重复第2)和第3)步,直到,种子点没有移动(我们可以看到图中的第四步上面的种子点聚合了A,B,C,下面的种子点聚合了D,E)。在运行 K-均值算法的之前,我们首先要随机初始化所有的聚类中心点,下面介绍怎样做:
(1)我们应该选择 K
根据K均值聚类算法,问自己几个问题:
1)处理不知道分多少类的数据,如何取K的值?
答:通常是需要根据不同的问题,人工进行选择的。选
择的时候思考我们运用 K-均值算法聚类的动机是什么,然后选择能最好服务于该目的标聚类数。2)重心初始化什么位置更好?
答:随机选择K个实例的位置作为重心初始位置。
3)这个算法收不收敛,即通过有限次的运算,就能找到“点群”的中心?
答:2,3问题一起回答。最基本的方法是从样本点中随机选取k个点。给定足够的时间,K-means将总是收敛,但这可能是局部最小值。这很大程度上取决于重心的初始化。因此,通常会进行几次计算,重心的初始化不同。帮助解决这个问题的一种方法是k-means ++初始化方案,它已经在scikit-learn中使用(使用init=’kmeans++’参数)。这将初始化质心(通常)彼此远离,导致比随机初始化更好的结果。
4)如何计算重心?
答:除了随机初始化重心之外,后面跟新重心都是依据训练点的。具体计算重心的公式如下图。
"""功能:K均值聚类说明:人为设置函数模型为2类作者:唐天泽博客:http://blog.csdn.net/u010837794/article/details/76596063日期:2017-08-04""""""导入项目所需的包"""import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsfrom sklearn.cluster import KMeans# 使用交叉验证的方法,把数据集分为训练集合测试集from sklearn.model_selection import train_test_split# 加载数据集def load_data(): iris = datasets.diabetes() """展示数据集的形状 diabetes.data.shape, diabetes.target.shape """ # 将数据集拆分为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split( iris.data, iris.target, test_size=0.10, random_state=0) return X_train, X_test, y_train, y_test# 使用KMeans考察线性分类KMeans的预测能力def test_KMeans(X_train,X_test,y_train,y_test): # 选择模型,把数据交给模型训练 y_pred = KMeans(n_clusters=2, random_state=0).fit_predict(X_train) """绘图""" fig = plt.figure() ax = fig.add_subplot(1, 1, 1) ax.scatter(X_train[:, 2], X_train[:, 3], c=y_pred) ax.set_xlabel("data") ax.set_ylabel("target") ax.set_title("K-means") ax.legend(framealpha=0.5) plt.show() returnif __name__=="__main__": X_train,X_test,y_train,y_test=load_data() # 生成用于分类的数据集 test_KMeans(X_train,X_test,y_train,y_test) # 调用 test_KMeans
[1]
[2] [1] 李航 《统计学习方法》 [2] 华校专《Python大战机器学习》