[Machine Learning] 使用经典聚类模型k均值（k-means）实现blobs聚类

一、内容实现概述

本文主要讲述使用scikit-learn库内置的k-means模型，实现斑点聚类。具体实现过程如下：

• 1. 导入所需库：预先导入numpy、matplotlib以及scikit-learn库
• 2. 导入数据：调用sklearn库内置的加载数据的方法make_blobs()，导入斑点数据
• 3. 数据预处理：对blobs数据进行预处理，获得特征数据与目标数据
• 4. 数据分割：使用sklearn库的数据分割方法对步骤3中的数据进行比例分割，得到训练集和测试集数据
• 5. 构建模型：调用sklearn库的聚类模型类KMeans构建模型（本实现已手动设置聚类数这个超参数值为4，根据该数据训练后的结果观察得来）
• 6. 训练模型：调用sklearn库的fit()方法对训练集数据进行训练
• 7. 预测模型：调用sklearn库的predict()方法对测试集数据进行预测

注：

• 在Python中使用（导入）numpy库时，需要先安装，本实现使用的是pip命令安装　pip install numpy
• 在Python中使用（导入）matplotlib库时，需要先安装，本实现使用的是pip命令安装　pip install matplotlib
• 在Python中使用（导入）scikit-learn库时，需要先安装，本实现使用的是pip命令安装　pip install -U scikit-learn
• Scikit-Learn官方教程

 

二、代码实现

注：源代码地址

from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np

# 加载数据
blobs = make_blobs(n_samples=200, random_state=1, centers=4)

# 数据预处理
X = blobs[0]
y = blobs[1]    ## 特征X的值对应的类别标签数据

plt.scatter(X[:, 0], X[:, 1], c=y)
plt.show()

# 导入模型
kmeans = KMeans(n_clusters=4, n_init=10, max_iter=300, random_state=None)

# 训练模型
kmeans.fit(X)

# 预测模型：聚类
## 获取簇边界
X_min, X_max = X[:, 0].min() - 0.5, X[:, 0].max() + 0.5
y_min, y_max = X[:, 1].min() - 0.5, X[:, 1].max() + 0.5

## 生成网络点矩阵
xx, yy = np.meshgrid(np.arange(X_min, X_max, 0.02), np.arange(y_min, y_max, 0.02))
### 把这个密集的网格坐标点当作一个测试集，把这些坐标点拿去预测，看它们分别属于哪个簇
### np.c_[arr_1, arr_2]，表示将两个一维数组变成一个二维数据
Z = kmeans.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)

# 评估模型


# 绘制图表 
plt.figure(1)
plt.clf()
## 根据每个网格点所属的簇不同，渲染不同的颜色
plt.imshow(Z, cmap=plt.cm.winter, origin='lower', interpolation='hermite', extent=(xx.min(), xx.max(), yy.min(), y.max()), aspect='auto')
plt.plot(X[:, 0], X[:, 1], 'w.', markersize=5)

## 簇中心（质心）的坐标
centroid = kmeans.cluster_centers_
## 将簇中心用标记“×”标识出来
plt.scatter(centroid[:, 0], centroid[:, 1], c='r', marker='x', linewidths=3, s=150, zorder=10)
plt.xlim(X_min, X_max)
plt.ylim(y_min, y_max)
plt.xticks()
plt.yticks()
plt.show()

 

 

三、运行结果