机器学习 作业3 K均值算法

1. 机器学习的步骤

数据，模型选择，训练，测试，预测

 

2. 安装机器学习库sklearn

pip list 查看版本

python -m pip install --upgrade pip

pip install -U scikit-learn

 

pip uninstall sklearn

pip uninstall numpy

pip uninstall scipy

pip install scipy

pip install numpy

pip install sklearn

 https://scikit-learn.org/stable/install.html 

 

2. 导入sklearn的数据集

from sklearn.datasets import load_iris

iris = load_iris()

iris.keys()

X = iris.data # 获得其特征向量

y = iris.target # 获得样本标签

iris.feature_names # 特征名称

 

3.K均值算法

K-means是一个反复迭代的过程，算法分为四个步骤：

  （x,k,y)

1） 选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心；

  def initcenter(x, k): kc

2） 对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近的准则将它们分到距离它们最近的聚类中心（最相似）所对应的类；

  def nearest(kc, x[i]): j

  def xclassify(x, y, kc):y[i]=j

3） 更新聚类中心：将每个类别中所有对象所对应的均值作为该类别的聚类中心，计算目标函数的值；

  def kcmean(x, y, kc, k):

4） 判断聚类中心和目标函数的值是否发生改变，若不变，则输出结果，若改变，则返回2）。

  while flag:

      y = xclassify(x, y, kc)

      kc, flag = kcmean(x, y, kc, k)

 

参考官方文档: 

http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#sklearn.cluster.KMeans

 

4. 作业：

1）. 扑克牌手动演练k均值聚类过程：>30张牌，3类

初始状态：将所有牌分为大中小三类，聚类中心为3，2，1，通过与聚类中心的距离进行排列

 

第一轮：计算‘大’部分的牌的均值，确定新的聚类中心，并通过计算所有牌距离各聚类中心的距离重新进行排列

sum=234

cards=29

mean=（8）

 

第二轮：对‘大’和‘中’进行均值计算并排列

’大’：

sum=193

cards=20

mean=（10）

‘中’：

sum=42

cards=12

mean=（4）

 第三轮：

‘大’：

sum=165

cards=16

mean=（10）

‘中’：

sum=58

cards=12

mean=（5）

‘小’：

sum=11

cards=7

mean=（2）

 

2）. *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）

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

 

 

4）. 鸢尾花完整数据做聚类并用散点图显示.

 

 

5）.想想k均值算法中以用来做什么？

可以用于分类，且适用于多种数据，如图像，文本，声音等。