机器学习系列（六） -- K-means算法 （食物数据集）

K-means是一种最流行的聚类算法 属于无监督学习
可以在数据集分为相似的组（簇），使得组内数据的相似度较高，组间之间的相似度较低
步骤：
# 1 从样本中选择k个点作为初始簇中心
# 2 计算每个样本到各个簇中心的距离，将样本换分到距离最近的簇中心所对应的簇中
# 3 根据每个簇中所有样本，重新计算簇中心，并更新
# 4 重复步骤2 3 直到簇中心的位置变化小于指定的阈值或者达到最大迭代次数为

数据读取

import numpy as np
import pandas as pd

data = pd.read_csv('order.csv')
print(data)

t = data.iloc[:,-8:]

K-means聚类

class KMeans:


    def __init__(self,k,times):
        # 初始化方法
        # 参数： k:int 聚类的个数 times ： 聚类迭代次数
        self.k = k
        self.times = times

    def fit(self,X):
        # 根据提供的数据 对模型进行训练
        # 参数 X : X : 类数组类型 形状[样本数量，特征数量] 待训练的样本特征属性
        #

        X = np.asarray(X)
        np.random.seed(0)
        # 从数组中随机选择K个节点作为初始聚类中心
        self.cluster_centers = X[np.random.randint(0,len(X),self.k)]
        self.labels_ = np.zeros(len(X))

        for t in range(self.times):
            for index,x in enumerate(X):
                # 计算每个样本与聚类中心的聚类
                dis = np.sqr(np.sum((x - self.cluster_centers) ** 2,axis=1))

                # 将最小距离的索引赋值给标签数组  索引的值就是当前点所属的簇 范围[0,k-1]
                self.labels_[index] = dis.argmin()
            # 循环遍历每一个簇
            for i in range(self.k):
                # 计算每个簇内所有点的均值 更新聚类中心
                self.cluster_centers[i] = np.mean(X[self.labels_ == i],axis=0)
    def predict(self,X):
        # 根据参数传递的样本 对样本数据进行预测 （预测样本属于哪一个簇中）
        # 参数： X： 类数组类型  形状[样本数量，特征数量]  待预测的样本特征属性
        # return : 数组类型 预测的结果  每一个X所属的值
        X = np.asarray[X]
        result = np.zeros(len(X))
        for index,x in enumerate(X):
            # 计算样本到每个聚类中心的聚类
            dis = np.sqrt(np.sum((x-self.cluster_centers)**2,axis=1))
            # 找到距离最近的聚类中心 划分一个类别
            result[index] = dis.argmin()
        return result

训练和测试

kmeans = KMeans(3,50)
kmeans.fit(t)
print(kmeans.cluster_centers)

# 查看每个簇内的所有样本数
print(t[kmeans.labels_ == 0])

kmeans.predict([[30,30,40,0,0,0,0,0],[0,0,0,0,0,30,30,40],[30,30,0,0,0,0,20,20]])

t2 = data.loc[:,'Food%':'Fresh%']
kmeans = KMeans(3,50)
kmeans.fit(t2)

可视化

import matplotlib as mpl
import matplotlib.pyplot as plt


# 设置中文显示
mpl.rcParams['font.family'] = "SimHei"
# 设置负号显示
mpl.rcParams['axes.unicode_minus'] = False

plt.figure(figsize=(10,10))
# 绘制每个类型的散点图
plt.scatter(t2[kmeans.labels_ == 0].iloc[:,0],t2[kmeans.labels_ == 0].iloc[:,1],label="类别1")
plt.scatter(t2[kmeans.labels_ == 1].iloc[:,0],t2[kmeans.labels_ == 1].iloc[:,1],label="类别2")
plt.scatter(t2[kmeans.labels_ == 2].iloc[:,0],t2[kmeans.labels_ == 2].iloc[:,1],label="类别3")

# 绘制聚类中心
plt.scatter(kmeans.cluster_centers[:0],kmeans.cluster_centers[:,1],marker="+",s=300)
plt.title('食物和肉类购买的聚类分析')
plt.xlabel('食物')
plt.ylabel('肉类')
plt.legend()
plt.show()