聚类分析（系统聚类，K-mean聚类）

系统聚类分析

参考文献：https://blog.csdn.net/sinat_40431164/article/details/81017568?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

 

地区	食品	衣着	燃料	住房	交通和通信	娱乐教育文化
北京	190.33	43.77	9.73	60.54	49.01	9.04
天津	135.2	36.4	10.47	44.16	36.49	3.94
河北	95.21	22.83	9.3	22.44	22.81	2.8
山西	104.78	25.11	6.4	9.89	18.17	3.25
内蒙古	128.41	27.63	8.94	12.58	23.99	2.27
辽宁	145.68	32.83	17.79	27.29	39.09	3.47
吉林	159.37	33.38	18.37	11.81	25.29	5.22
黑龙江	116.22	29.57	13.24	13.76	21.75	6.04
上海	221.11	38.64	12.53	115.65	50.82	5.89
江苏	144.98	29.12	11.67	42.6	27.3	5.74
浙江	169.92	32.75	12.72	47.12	34.35	5
安徽	135.11	23.09	15.62	23.54	18.18	6.39
福建	144.92	21.26	16.96	19.52	21.75	6.73
江西	140.54	21.5	17.64	19.19	15.97	4.94
山东	115.84	30.26	12.2	33.6	33.77	3.85
河南	101.18	23.26	8.46	20.2	20.5	4.3

 

import pandas as pd

from sklearn import preprocessing

import scipy.cluster.hierarchy as sch

#用于进行层次聚类，画层次聚类图的工具包

from matplotlib import pyplot as plt

 

df = pd.read_excel("习题5.8.xlsx")

label =df['地区']

array = df.values[:,1:7]

 

def ZscoreNormalization(X):

scaler = preprocessing.StandardScaler().fit(X)

x_norm = scaler.transform(X)

return x_norm

X_norm =ZscoreNormalization(array)

Z = sch.linkage(X_norm,method='ward', metric='euclidean')

sch.dendrogram(Z)

plt.title('Clustering')

plt.xlabel('地区')

plt.ylabel('distance')

plt.show()

 

----------------------------------------------------------------------------------------------------

K-mean 聚类

K-means伪代码

输入：样本集；

 

            聚类簇数：k

 

            终止条件：迭代次数iteration或者的阈值

 

过程：

 

从样本集中随机选取个 k 样本作为初始均值向量：

repeat

         令

         for 

               计算样本与各均值向量 的距离

               根据距离最近的均值向量确定的簇标记:

               将样本划入相应的簇：

        end for

        for  

               计算新的均值向量：

        end for

until 达到终止条件

输出：簇划分：

 

import pandas as pd

from sklearn import preprocessing

import scipy.cluster.hierarchy as sch

#用于进行层次聚类，画层次聚类图的工具包

from matplotlib import pyplot as plt

from sklearn.cluster import KMeans

from prettytable import PrettyTable

 

 

##数据准备

df = pd.read_excel("习题5.8.xlsx")

label =df['地区']

array = df.values[:,1:7]

 

##数据预处理

def ZscoreNormalization(X):

scaler = preprocessing.StandardScaler().fit(X)

x_norm = scaler.transform(X)

return x_norm

 

X_norm =ZscoreNormalization(array)

##K—mean 聚类

cluster = 4

cls =KMeans(cluster).fit(X_norm)

# print(cls.labels_) #输出分类列表

cls_result,results =[],[]

for i in cls.labels_:

cls_result.append(i)

results =list(zip(label,cls_result))

Results= PrettyTable(["地区", "K-mean分类"])

for i in results:

Results.add_row([i[0],i[1]])

print(Results)