3.K均值算法

1）. *自主编写K-means算法 ，以鸢尾花花瓣长度数据做聚类，并用散点图显示。（加分题）

from sklearn.datasets import load_iris
import  numpy as np
import matplotlib.pyplot as plt
#（1）首先使用Python实现K-Means算法，并对鸢尾花进行聚类分析。
iris = load_iris()
data = iris['data']
data.shape
n = len(data)   #样本个数
m = data.shape[1]   #样本属性个数
k = 3   #类中心个数
dist = np.zeros([n, k+1])   #初始化距离矩阵,最后一列存放每个样本的类别

#1、选中心
center = data[:k, :]    #初始类中心，即选取前三个样本作为初始类中心
center_new = np.zeros([k, m])
while True:
#2、求距离
    for i in range(n):
        for j in range(k):
            dist[i, j] = np.sqrt(sum((data[i, :] - center[j, :])**2))
        dist[i, k] = np.argmin(dist[i, :k])#3、归类

    #4、求新类中心
    for i in range(k):
        index = dist[:, k] == i     #判断距离矩阵中最后一列归属为哪一类
        data[index, :].mean(axis = 0)
        center_new[i, :] = data[index, :].mean(axis = 0)

    #5、判定结束
    if  np.all(center == center_new):      #判断新的类中心是否与上一轮的类中心相同
        break
    else:
        center = center_new     #更新类中心
print('150个样本的归类：',dist[:, k])
plt.scatter(data, data, c=dist, s=5, cmap="rainbow")
plt.show()

 

 

2）. 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类，并用散点图显示.

import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import load_iris

iris=load_iris()
data=iris.data[:,1]
x=data.reshape(-1,1)

y=KMeans(n_clusters=3)
y.fit(x)

y_pre=y.predict(x)

plt.scatter(x[:,0],x[:,0],c=y_pre,s=50,cmap='rainbow')
plt.show()

 

 

 

3）. 鸢尾花完整数据做聚类并用散点图显示.

import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import load_iris

iris=load_iris()
x=iris.data
y=KMeans(n_clusters=3)
y.fit(x)
y_pre=y.predict(x)

plt.scatter(x[:,2],x[:,3],c=y_pre,s=50,cmap='rainbow',alpha=0.5)
plt.show()

 

 

 

4）.想想k均值算法中以用来做什么？

　　例如淘宝利用大数据进行k均值算法分析，来分析出个人的喜好等来进行首页推荐。