KMeans算法分析以及可视化展示

基本流程：

导入包

import matplotlib.pyplot as plt
import numpy as np
import pylab as mpl  # import matplotlib as mpl
from sklearn.datasets import make_blobs

画图问题：

mpl.rcParams['font.sans-serif'] = ['FangSong']  # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

数据集的生成

n_samples = 1500  # 生成1500个数据集
random_state = 170  # 170这个是随机种子
X, y = make_blobs(n_samples=n_samples, random_state=random_state)    # 生成数据集，包括1500个样本
ages = np.vstack((X[y == 0][:500], X[y == 1][:500], X[y == 2][:500]))   # 将数据进行堆叠，shape为(1500, 2)
y = np.array(([0] * 500 + [1] * 500 + [2] * 500))  #生成0 1 2 各500个

定义聚类中心：

k = 3  # 超参数

随机种子

np.random.seed(26)    #给numpy设置一个随机种子，保证每次都能产生相同的值

初始化：

centers = np.zeros([3, 2])    # 生成0矩阵
centers_random = np.random.choice(range(len(y)), 3)  # 迭代起点
centers_new = ages[centers_random]   # 随机选取中心
dis_to_cent = np.zeros((k, len(ages)))  # 一个二维数据，相当于一个空的容器

进行聚类中心的判断：

while not (centers_new == centers).all():
    centers = centers_new.copy()  # 注意python的赋值过程，进行展开讲解，== is 和复制方式，这里是浅拷贝
    for ii in range(k):
        dis_to_cent[ii] = np.linalg.norm(ages - centers[ii], axis=1)    # 计算每个数值到中心的距离

    clusters = dis_to_cent.argmin(axis=0)   # 划分出每个类别

    for ii in range(k):   # 重新计算中心
        cluster = ages[clusters == ii]
        centers_new[ii] = ages[clusters == ii].mean(0)

    print(centers, centers_new)
    print(centers_new)
    print('centers_new==centers?', (centers_new == centers).all())
    print()

最后实现可视化的展示：

**plt.figure(figsize=(8, 4))   #创建画布
ax = plt.subplot(121)  # 几行，几列，第几个，先按行数
ax.scatter(ages[:, 0], ages[:, 1], c=y)  # x, y, 颜色，系统有基本的选择机制，不用写得太细

ax.set_title('数据本身的标签')

ax = plt.subplot(122)  # 几行，几列，第几个，先按行数
ax.scatter(ages[:, 0], ages[:, 1], c=clusters)  # x, y, 颜色，系统有基本的选择机制，不用写得太细

ax.set_title('聚类的结果')**

可视化的结果：