使用sklearn进行K_Means聚类算法

Posted 知识天地

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了使用sklearn进行K_Means聚类算法相关的知识,希望对你有一定的参考价值。

首先附上官网说明 
[http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#examples-using-sklearn-cluster-kmeans]

再附上一篇翻译文档 
http://blog.csdn.net/xiaoyi_zhang/article/details/52269242

再给一个百度上找的例子(侵权删):

# -*- coding: utf-8 -*-
from sklearn.cluster import KMeans
from sklearn.externals import joblib
import numpy

final = open(\'c:/test/final.dat\' , \'r\')

data = [line.strip().split(\'\\t\') for line in final]
feature = [[float(x) for x in row[3:]] for row in data]

#调用kmeans类
clf = KMeans(n_clusters=9)
s = clf.fit(feature)
print s

#9个中心
print clf.cluster_centers_

#每个样本所属的簇
print clf.labels_

#用来评估簇的个数是否合适,距离越小说明簇分的越好,选取临界点的簇个数
print clf.inertia_

#进行预测
print clf.predict(feature)

#保存模型
joblib.dump(clf , \'c:/km.pkl\')

#载入保存的模型
clf = joblib.load(\'c:/km.pkl\')

\'\'\'
#用来评估簇的个数是否合适,距离越小说明簇分的越好,选取临界点的簇个数
for i in range(5,30,1):
    clf = KMeans(n_clusters=i)
    s = clf.fit(feature)
    print i , clf.inertia_
\'\'\'
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40

初学者讲解如下: 
参考http://www.cnblogs.com/meelo/p/4272677.html 
sklearn对于所有的机器学习算法有一个一致的接口,一般需要以下几个步骤来进行学习: 
1、初始化分类器,根据不同的算法,需要给出不同的参数,一般所有的参数都有一个默认值。 
这里写图片描述 
(1)对于K均值聚类,我们需要给定类别的个数n_cluster,默认值为8; 
(2)max_iter为迭代的次数,这里设置最大迭代次数为300; 
(3)n_init设为10意味着进行10次随机初始化,选择效果最好的一种来作为模型; 
(4) init=’k-means++’ 会由程序自动寻找合适的n_clusters; 
(5)tol:float形,默认值= 1e-4,与inertia结合来确定收敛条件; 
(6)n_jobs:指定计算所用的进程数; 
(7)verbose 参数设定打印求解过程的程度,值越大,细节打印越多; 
(8)copy_x:布尔型,默认值=True。当我们precomputing distances时,将数据中心化会得到更准确的结果。如果把此参数值设为True,则原始数据不会被改变。如果是False,则会直接在原始数据 
上做修改并在函数返回值时将其还原。但是在计算过程中由于有对数据均值的加减运算,所以数据返回后,原始数据和计算前可能会有细小差别。 
属性: 
这里写图片描述 
(1)cluster_centers_:向量,[n_clusters, n_features] 
Coordinates of cluster centers (每个簇中心的坐标??); 
(2)Labels_:每个点的分类; 
(3)inertia_:float,每个点到其簇的质心的距离之和。 
比如我的某次代码得到结果: 
这里写图片描述 
2、对于非监督机器学习,输入的数据是样本的特征,clf.fit(X)就可以把数据输入到分类器里。 
3、用分类器对未知数据进行分类,需要使用的是分类器的predict方法。

以上是关于使用sklearn进行K_Means聚类算法的主要内容,如果未能解决你的问题,请参考以下文章

K_Means算法的MATLAB实现

k-means算法处理聚类标签不足的异常

当我应该使用其中之一时,“sklearn.cluster.k_means”和“sklearn.cluster.KMeans”有啥区别?

大数据十大经典算法之k-means

机器学习sklearn19.0聚类算法——Kmeans算法

机器学习---聚类算法