Python机器学习之Kmeans基础算法

以下是关于“Python机器学习之Kmeans基础算法”的完整攻略：

简介

Kmeans是一种常见的聚类算法，它可以将数据集分成多个簇。Python中有多种库可以实现Kmeans算法，例如scikit-learn和numpy。本教程将介绍如何使用Python实现Kmeans基础算法，并提供两个示例。

Kmeans算法

Kmeans算法是一种迭代算法，它将数据集分成k个簇。算法的基本步骤如下：

随机选择k个点作为簇的中心点。
将每个数据点分配到最近的簇中心点。
计算每个簇的新中心点。
重复步骤2和3，直到簇中心点不再改变或达到最大迭代次数。

Python实现

1.使用scikit-learn库

Python中可以使用scikit-learn库来实现Kmeans算法。可以使用以下代码实现：

from sklearn.cluster import KMeans
import numpy as np

# 生成随机数据
X = np.random.rand(100, 2)

# 创建Kmeans模型
kmeans = KMeans(n_clusters=3)

# 训练模型
kmeans.fit(X)

# 预测簇标签
labels = kmeans.predict(X)

# 打印簇中心点
print(kmeans.cluster_centers_)

在这个示例中，我们使用scikit-learn库生成随机数据，并使用KMeans类创建Kmeans模型。我们使用fit方法训练模型，并使用predict方法预测簇标签。我们还使用cluster_centers_属性打印簇中心点。

2.使用numpy库

Python中也可以使用numpy库来实现Kmeans算法。可以使用以下代码实现：

import numpy as np

# 生成随机数据
X = np.random.rand(100, 2)

# 初始化簇中心点
k = 3
centers = X[:k, :]

# 迭代计算簇中心点
for i in range(10):
    # 计算每个数据点到簇中心点的距离
    distances = np.sqrt(((X - centers[:, np.newaxis])**2).sum(axis=2))

    # 分配数据点到最近的簇中心点
    labels = np.argmin(distances, axis=0)

    # 计算每个簇的新中心点
    for j in range(k):
        centers[j] = X[labels == j].mean(axis=0)

# 打印簇中心点
print(centers)

在这个示例中，我们使用numpy库生成随机数据，并初始化簇中心点。我们使用一个循环来迭代计算簇中心点。在每次迭代中，我们计算每个数据点到簇中心点的距离，并将数据点分配到最近的簇中心点。然后，我们计算每个簇的新中心点，并更新簇中心点。最后，我们打印簇中心点。

示例说明

以下是两个示例说明，展示了如何使用本教程中的代码来实现Kmeans算法。

示例1

假设我们要将一个二维数据集分成3个簇。可以使用以下代码使用scikit-learn库实现Kmeans算法：

from sklearn.cluster import KMeans
import numpy as np

# 生成随机数据
X = np.random.rand(100, 2)

# 创建Kmeans模型
kmeans = KMeans(n_clusters=3)

# 训练模型
kmeans.fit(X)

# 预测簇标签
labels = kmeans.predict(X)

# 打印簇中心点
print(kmeans.cluster_centers_)

可以看到，我们成功将数据集分成3个簇，并打印了簇中心点。

示例2

假设我们要将一个二维数据集分成3个簇。可以使用以下代码使用numpy库实现Kmeans算法：

import numpy as np

# 生成随机数据
X = np.random.rand(100, 2)

# 初始化簇中心点
k = 3
centers = X[:k, :]

# 迭代计算簇中心点
for i in range(10):
    # 计算每个数据点到簇中心点的距离
    distances = np.sqrt(((X - centers[:, np.newaxis])**2).sum(axis=2))

    # 分配数据点到最近的簇中心点
    labels = np.argmin(distances, axis=0)

    # 计算每个簇的新中心点
    for j in range(k):
        centers[j] = X[labels == j].mean(axis=0)

# 打印簇中心点
print(centers)