算法模型之分类模型(无监督学习K-means)

1. 什么是无监督学习
    没有目标值的时候，采用无监督学习。因为不存在学习的对象。
2. 无监督学习包含算法
    1. 聚类算法：
        K-means(K均值聚类)
    2. 降维：
        PCA
3.K-means的原理（K-means的算法步骤）
    1. 首先，随机寻找K个点（这里的K是想要分成的份数）
    2. 第二步，把所有点，向这K个点进行求取距离，距离近的点，标成不同的颜色
    3. 第三步，把所有颜色相同的点，进行求取均值，形成一个新的K个中心
    4. 第四步，重复第二个步骤，直到前后两次的聚类中心重合或者相差不大的时候，停止聚类
4. K-means的API
    sklearn.cluster.KMeans(n_clusters=8, init='k-means++',max_iter)
        n_clusters：开始聚类的中心点，也就是K值的个数
        init：初始化方法，也就是开始选取聚类点的方法，默认为'k-means++'
        max_iter: 迭代次数的限定
5. K-means模型的评估方法“轮廓系数法”
    1. 方法详解：
        SCi = (b_i - a_i) / max(b_i, a_i)
        a_i代表的是一个类别中的一个样本和另一个类别中样本的距离的平均值
        b_i代表的是一个类别中的一个样本和该类别中样本的距离的平均值
        当 b_i >> a_i 时，SCi ≈ 1
        当 b_i >> a_i 时，SCi ≈ -1
        因此我们可以认为，当SCi接近1时，聚类的效果越好，越能达到“高内聚，低耦合”现象。
        因此我们可以认为，当SCi接近-1时，聚类的效果越差，越达不到“高内聚，低耦合”现象。
    2. 轮廓系数法API：sklearn.metrics.silhouette_score(data, lambel)
        data: 就是我们的数据集
        lambel: 就是预测得到的结果

注意，无监督学习一般不会用到数据集划分train_test_split函数

对以下数据进行划分无监督学习划分：

城市名称	城市代码	交通健康指数	交通延时指数	高延时运行时间占比	拥堵路段里程比	平均车速
中山市	442000	0.743635484	1.595913978	53.13612903	1.679193548	28.26258065
临沂市	371300	0.759006452	1.568817204	48.29747312	1.571397849	29.85091398
兰州市	620100	0.740470968	1.508978495	37.99290323	1.838548387	27.91311828
南宁市	450100	0.757883871	1.478924731	30.01784946	1.26811828	28.51892473
南昌市	360100	0.760412903	1.499193548	36.55903226	1.618172043	30.64521505
南通市	320600	0.78006129	1.373225806	17.29397849	0.641290323	36.31129032
厦门市	350200	0.765535484	1.486290323	35.03580645	1.602096774	33.4133871
台州市	331000	0.7707	1.489193548	38.17193548	1.016774194	30.18037634
合肥市	340100	0.757322581	1.496451613	39.33693548	1.406505376	29.20225806
哈尔滨市	230100	0.753622581	1.565913978	48.02849462	1.943172043	28.65483871
嘉兴市	330400	0.778045161	1.384086022	21.68435484	0.524193548	30.47215054
大连市	210200	0.740941935	1.621451613	59.94623656	1.829623656	29.05290323
太原市	140100	0.751303226	1.55155914	39.24698925	2.113602151	31.8844086
常州市	320400	0.765151613	1.435107527	30.19688172	0.69311828	31.96709677
徐州市	320300	0.755609677	1.477150538	38.26166667	1.288817204	29.62478495
惠州市	441300	0.744277419	1.552365591	47.93887097	1.660053763	28.59102151
无锡市	320200	0.753158065	1.419032258	30.645	1.255806452	33.03451613
昆明市	530100	0.745764516	1.540537634	43.90688172	1.972311828	28.21462366
泉州市	350500	0.785393548	1.388602151	24.01424731	0.840483871	33.10064516
济南市	370100	0.744958065	1.68483871	60.75241935	2.133709677	28.18612903
温州市	330300	0.750845161	1.514569892	46.59478495	1.290322581	25.28204301
潍坊市	370700	0.778345161	1.538602151	49.19354839	0.705322581	28.54231183
烟台市	370600	0.767974194	1.528817204	47.67021505	0.73672043	30.69768817
珠海市	440400	0.753825806	1.534086022	42.47311828	1.471774194	34.25344086
石家庄市	130100	0.757196774	1.512365591	38.79924731	1.51311828	31.24752688
福州市	350100	0.750977419	1.59655914	50.62741935	1.679892473	28.88032258
绍兴市	330600	0.760645161	1.492311828	40.2327957	1.067311828	27.47043011
贵阳市	520100	0.736306452	1.561021505	43.6377957	3.067634409	31.57268817
金华市	330700	0.769812903	1.368602151	16.93553763	0.632473118	29.11575269
长春市	220100	0.737064516	1.667473118	65.68096774	2.363655914	27.95241935

 代码：

from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
from sklearn.preprocessing import StandardScaler
import pandas as pd


# 1、数据获取
path = "E:\Desktop\二线城市交通大数据(整理版本).xlsx"
data = pd.read_excel(path)
data = data.iloc[:, 3:]
data.head()
# 2、特征工程 标准化
transfer = StandardScaler()
data = transfer.fit_transform(data)
# 3、K-means聚类
estimator = KMeans(n_clusters=3)
estimator.fit(data)
y_predict = estimator.predict(data)
# 4、K-means 模型评估方法：轮廓系数
silhouette_score(data, y_predict)

输出结果：

0.31123484705638604

学习地址：

黑马程序员3天快速入门python机器学习_哔哩哔哩_bilibili