作业：

1）. 扑克牌手动演练k均值聚类过程：>30张牌，3类

       

第一轮 中心 12 4 7
总和/个数 103/9 44/16 78/10
新中心 11.44 2.75 7.8
第二轮 总和/个数 103/9 44/16 78/10
新中心 11.44 2.75 7.8

 

 

 

 

 

 

 

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）

 1 import matplotlib.pyplot as plt
 2 from sklearn.datasets import load_iris
 3 import numpy as np
 4 #导入数据
 5 iris = load_iris()
 6 data = iris.data   # 数据值
 7 data.shape     # 可知数据的总数和属性个数
 8 n = len(data)  # 数据集样本个数
 9 m = data.shape[1]  # 数据的属性个数
10 # 类中心个数(1-5）
11 k = 3
12 dist = np.zeros([n, k+1])  # k+1是最后一列要归类
13 # 选中心
14 center = data[:k, :]    # k为3所以是前三行所有属性
15 centerNew = np.zeros([k, m])  # 初始化新的类中心
16 while True:
17     # 求距离
18     for i in range(n):
19         for j in range(k):
20             dist[i, j] = np.sqrt(sum((data[i, :]-center[j, :])**2))    # 求欧式距离
21     # 归类
22         dist[i, k] = np.argmin(dist[i, :k])
23     for i in range(k):
24         index = dist[:, k] == i
25         centerNew[i, :] = data[index, :].mean(axis=0)
26     # 判定结果
27     if np.all((center == centerNew)):
28         break
29     else:
30         center = centerNew
31 print("聚类结果:\n", dist[:, k])
32 # print(data[:,k])
33 plt.scatter(data[:,2], data[:,2], c=dist[:,2], s=50, cmap='rainbow')
34 plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体
35 plt.title("鸢尾花花瓣长度做聚类的散点图")
36 plt.show()

　　　　　　　　　　　　图2-1 运行结果

　　　　　　　　　　　　图2-2 散点图

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

源代码如下：

 1 # 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类，并用散点图显示.
 2 import matplotlib.pyplot as plt
 3 from sklearn.datasets import load_iris
 4 from sklearn.cluster import KMeans
 5 
 6 iris = load_iris()    # 导入鸢尾花数据
 7 # print(iris)
 8 X = iris.data[:, 2]   # 第三列为花瓣长度
 9 X = X.reshape(-1, 1)  # 令新数组列为1
10 # print(X)
11 y = KMeans(n_clusters=3)   # 模型构建(类中心数为3)
12 y.fit(X)                   # 模型训练
13 kc = y.cluster_centers_    # 聚类中心
14 y_kmeans = y.predict(X)    # 预测每个样本的聚类索引
15 print("聚类结果:\n", y_kmeans)
16 print("聚类中心:\n", kc)
17 plt.scatter(X[:, 0], X[:, 0], c=y_kmeans, s=50, cmap='rainbow')  # 画散点图
18 plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体
19 plt.title("鸢尾花花瓣长度做聚类的散点图")
20 plt.show()

运行结果如下：

                                                     图3-1 运行结果

                                           图3-2 散点图

4）. 鸢尾花完整数据做聚类并用散点图显示.

源代码如下：

 1 # 鸢尾花完整数据做聚类并用散点图显示.
 2 import matplotlib.pyplot as plt
 3 from sklearn.datasets import load_iris
 4 from sklearn.cluster import KMeans
 5 
 6 iris = load_iris()   # 导入鸢尾花数据
 7 X = iris.data        # 鸢尾花完整数据
 8 # print(X)
 9 y = KMeans(n_clusters=3)  # 模型构建(类中心数为3)
10 y.fit(X)                  # 模型训练
11 kc = y.cluster_centers_   # 聚类中心
12 y_kmeans = y.predict(X)   # 预测每个样本的聚类索引
13 print("聚类结果:\n", y_kmeans)
14 print("聚类中心:\n", kc)
15 plt.scatter(X[:, 2], X[:, 3], c=y_kmeans, s=50, cmap='rainbow')  # 画散点图
16 plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体
17 plt.title("鸢尾花完整数据做聚类的散点图")
18 plt.show()

运行结果如下：

　　　　　　　　　　　　　　

　　　　　　　　　　　　　　图4-1 运行结果

 

 　　　　　　　　　　　　　图4-2 散点图

5）.想想k均值算法中以用来做什么？

K-均值聚类法是聚类分析中常用的一种方法。聚类分析的目的是将依据观测值将样本或变量进行分组，K-均值聚类法要求事先指定类的个数。

K均值算法可以应用到企业信息管理中，例如：在进行客户管理时，通常将客户分为VIP，A,B,C等不同等级。可以使用K均值算法，根据客户的订单总量，订单频率，订单总额，信用等对客户进行分类，使每个客户得到一个等级。

K均值算法还可以应用到员工的评级，例如：根据员工的业绩，考勤等进行分类，使得每个员工都得到一个等级。