python 调用sklearn.cluster.KMeans聚类

数据集：

代码：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.cluster import KMeans

filePath = 'F:/kdata.csv'

data_csv = pd.read_csv(filePath)
x = np.array(data_csv)[:,1:]
t = list(data_csv.iloc[0:0])[1:] #获取列标题
np.set_printoptions(suppress=True) #不使用科学计数法

est = KMeans(n_clusters=12,init='k-means++',n_init=20,max_iter=1000,
             precompute_distances='auto') #构造聚类器
est.fit(x) #计算k-means聚类
kc = est.cluster_centers_ #计算质心
y_kmeans = est.predict(x) #给每个样本计算最接近的簇
appraise = est.inertia_ #计算每个点到其簇的质心距离之和
data_csv['cluster'] = est.labels_ #生成分类标签

print(y_kmeans,kc,'\n')
print(kc.shape,y_kmeans.shape,np.shape,'\n')
print(appraise)

data_csv.to_csv('F:/out.csv',index=1) #追加分类标签
data_kc = pd.core.frame.DataFrame(kc,columns=t)
data_kc.to_csv('F:/out_kc.csv') #保存质心

ax = plt.figure().add_subplot(111,projection='3d')
ax.scatter(x[:,0],x[:,1],x[:,2],c=y_kmeans,s=30,cmap='rainbow')
plt.show()

散点图：

 Kmeans缺点：

• 需要给定K值，K值不同，结果也不一样
• 对初始簇中心点很敏感（Kmeans++优化初始中心点的选择）
• 不适合非凸集、非正态分布或者大小差别较大的簇
• 离群值对模型的影响比较大

sklearn.cluster.KMeans采用欧式距离度量相似度

参考文献：K-means和K-means++的算法原理及sklearn库中参数解释、选择

K-Means算法、层次聚类、密度聚类及谱聚类方法详述