12.11实验七：K 均值聚类算法实现与测试

 

 

一、实验目的

深入理解 K 均值聚类算法的算法原理，进而理解无监督学习的意义，能够使用 Python语言实现 K 均值聚类算法的训练与测试，并且使用五折交叉验证算法进行模型训练与评估。

 

二、实验内容

 

（1）从 scikit-learn 库中加载 iris 数据集，使用留出法留出 1/3 的样本作为测试集（注意同分布取样）；

（2）使用训练集训练 K 均值聚类算法，类别数为 3；

（3）使用五折交叉验证对模型性能（准确度、精度、召回率和 F1 值）进行评估和选择；

（4）使用测试集，测试模型的性能，对测试结果进行分析，完成实验报告中实验七的部分。

 

三、算法步骤、代码、及结果

   1. 算法伪代码

开始

 

   数据集 = load_iris()

 

   特征 = 数据集.data

   标签 = 数据集.target

 

   训练集特征, 测试集特征, 训练集标签, 测试集标签 = train_test_split(特征, 标签, 测试集比例=1/3, 随机种子=42, 同分布取样)

 

   模型 = KMeans(类别数=3, 随机种子=42)

 

   模型.fit(训练集特征)

 

   指标 = {

       '准确度': accuracy_score,

       '精度': precision_score(加权平均),

       '召回率': recall_score(加权平均),

       'F1值': f1_score(加权平均)

   }

 

   对于 每个指标 在 指标 中:

       交叉验证得分 = cross_val_score(模型, 训练集特征, 训练集标签, 折数=5, 评分=指标)

       输出(指标 + " : " + 交叉验证得分的平均值)

 

   预测结果 = 模型.predict(测试集特征)

 

   报告 = classification_report(测试集标签, 预测结果)

   输出(报告)

 

结束

   2. 算法主要代码

完整源代码\调用库方法（函数参数说明）

'''

Created on 2024年12月12日

 

@author: 席酒

'''

from sklearn.datasets import load_iris

from sklearn.model_selection import train_test_split, cross_val_score

from sklearn.cluster import KMeans

from sklearn.metrics import make_scorer, accuracy_score, precision_score, recall_score, f1_score, classification_report

 

# 加载 iris 数据集

iris = load_iris()

X = iris.data

y = iris.target

 

# 使用留出法将数据集分为训练集和测试集，测试集占 1/3

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42, stratify=y)

 

# 创建 KMeans 模型，类别数为 3

kmeans = KMeans(n_clusters=3, random_state=42)

 

# 使用训练集进行训练

kmeans.fit(X_train)

 

# 定义评估指标

scoring = {

'accuracy': make_scorer(accuracy_score),

'precision': make_scorer(precision_score, average='weighted'),

'recall': make_scorer(recall_score, average='weighted'),

'f1': make_scorer(f1_score, average='weighted')

}

 

# 进行五折交叉验证

scores = {metric: cross_val_score(kmeans, X_train, y_train, cv=5, scoring=scoring[metric]) for metric in scoring}

 

# 输出每个指标的平均值

for metric, score in scores.items():

print(f"{metric} : {score.mean():.4f} ± {score.std():.4f}")

 

# 使用测试集进行预测

y_pred = kmeans.predict(X_test)

 

# 输出分类报告

report = classification_report(y_test, y_pred)

print(report)

 

 

 

   3. 训练结果截图（包括：准确率、精度（查准率）、召回率（查全率）、F1）

 

 

 

四、实验结果分析

1. 测试结果截图（包括：准确率、精度（查准率）、召回率（查全率）、F1）

 

 2. 对比分析

 K 均值聚类算法在此数据集上的表现不佳，可能是因为该算法主要用于无监督学习，而 iris 数据集的标签信息未能有效利用。