概念

聚類分析：是按照個(gè)體的特征將它們分類，讓同一個(gè)類別內(nèi)的個(gè)體之間具有較高的相似度，不同類別之間具有較大差異性

無分類目標(biāo)變量(Y)——無監(jiān)督學(xué)習(xí)

K-Means劃分法、DBSCAN密度法、層次聚類法

1、導(dǎo)入數(shù)據(jù)

1 importpandas2 from sklearn.cluster importKMeans3 from sklearn.decomposition importPCA4

5 importmatplotlib.pyplot as plt6

7 f=open("D:\\學(xué)習(xí)資料\\Python數(shù)據(jù)挖掘?qū)崙?zhàn)課程課件\\7.1\\data.csv",encoding='UTF-8')8 data=pandas.read_csv(f)9

10 fColumns=[11 '工作日上班時(shí)電話時(shí)長', '工作日下半時(shí)電話時(shí)長',12 '周末電話時(shí)長',13 '國際電話時(shí)長', '總電話時(shí)長', '平均每次通話時(shí)長'

14 ]

View Code

2、確定特征變量，特征變量之間的相關(guān)系數(shù)，確定因變量，重新確定特征變量

1 importmatplotlib2 from pandas.tools.plotting importscatter_matrix3

4 font={5 "family":"SimHei"}6

7 matplotlib.rc("font",**font)8 matplotlib.rcParams["axes.unicode_minus"]=False9

10 #%matplotlib qt

11

12 scatter_matrix(13 data[fColumns],14 figsize=(10,10),diagonal="hist")15

16

17 dCorr=data[fColumns].corr()18

19

20 fColumns=[21 '工作日上班時(shí)電話時(shí)長', '工作日下半時(shí)電話時(shí)長',22 '周末電話時(shí)長',23 '國際電話時(shí)長', '平均每次通話時(shí)長'

24 ]

View Code

3、降維、設(shè)定質(zhì)心

1 #降維

2 pca_2=PCA(n_components=2)3 data_pca_2=pandas.DataFrame(4 pca_2.fit_transform(data[fColumns]))5

6 plt.scatter(7 data_pca_2[0],8 data_pca_2[1])9

10

11 kmModel=KMeans(n_clusters=3)12 kmModel=kmModel.fit(data[fColumns])

View Code

4、對圖像分類并畫圖

1 #對圖像進(jìn)行分類

2 pTarget=kmModel.predict(data[fColumns])3

4 pandas.crosstab(pTarget,pTarget) #看每類別的個(gè)數(shù)

5

6

7 plt.scatter(8 data_pca_2[0],9 data_pca_2[1],10 c=pTarget11 )

View Code

5、不同特征量之間的相關(guān)性

1 dMean=pandas.DataFrame(columns=fColumns+["分類"])2 data_gb=data[fColumns].groupby(pTarget)3

4 i=05 for g indata_gb.groups:6 print(g)7 rMean=data_gb.get_group(g).mean() #rMean是一個(gè)series結(jié)構(gòu)

8 print(rMean)9 rMean["分類"]=g #在最后追加一行

10 dMean=dMean.append(rMean,ignore_index=True) #將series添加在dataframe中

11 subData=data_gb.get_group(g)12 for column infColumns:13 print(column)14 i=i+1

15 p=plt.subplot(3,5,i)16 p.set_title(column)17 p.set_ylabel(str(g)+"分類")18 plt.hist(subData[column],bins=20)

View Code

K—mans

k：聚類算法當(dāng)中的個(gè)數(shù)

means：均值算法

K-Means：使用均值算法把數(shù)據(jù)分成K個(gè)類的算法

算法目標(biāo)：

是把n個(gè)樣本點(diǎn)劃分到k個(gè)類中，使得每個(gè)點(diǎn)都屬于離它最近的質(zhì)心對應(yīng)的類，以之作為聚類的標(biāo)準(zhǔn)

質(zhì)心

是指一個(gè)類，內(nèi)部所有樣本點(diǎn)的均值

計(jì)算步驟

第一步：取得K個(gè)初始質(zhì)心：從數(shù)據(jù)中隨機(jī)抽取k個(gè)點(diǎn)作為初始聚類的中心，由這個(gè)中心代表各個(gè)類

第二步：把每個(gè)點(diǎn)劃分進(jìn)相應(yīng)的類：根據(jù)歐式距離最小原則，把每個(gè)點(diǎn)劃分配進(jìn)距離最近的類中

第三步：重新計(jì)算質(zhì)心：根據(jù)均值等方法，重新計(jì)算每個(gè)類的質(zhì)心

第四步：迭代計(jì)算質(zhì)心：重復(fù)第二步和第三部，迭代計(jì)算質(zhì)心

第五步：聚類完成：聚類中心不再發(fā)生移動(dòng)

fit_transform是fit和transform的組合。

我們知道fit(x，y)在新手入門的例子中比較多，但是這里的fit_transform(x)的括號(hào)中只有一個(gè)參數(shù)，這是為什么呢？

fit(x,y)傳兩個(gè)參數(shù)的是有監(jiān)督學(xué)習(xí)的算法，fit(x)傳一個(gè)參數(shù)的是無監(jiān)督學(xué)習(xí)的算法，比如降維、特征提取、標(biāo)準(zhǔn)化

然后解釋為什么出來fit_transform()這個(gè)東西，下面是重點(diǎn)：

fit和transform沒有任何關(guān)系，僅僅是數(shù)據(jù)處理的兩個(gè)不同環(huán)節(jié)，之所以出來這么個(gè)函數(shù)名，僅僅是為了寫代碼方便，

所以會(huì)發(fā)現(xiàn)transform()和fit_transform()的運(yùn)行結(jié)果是一樣的。

注意：運(yùn)行結(jié)果一模一樣不代表這兩個(gè)函數(shù)可以互相替換，絕對不可以！！！

transform函數(shù)是一定可以替換為fit_transform函數(shù)的

fit_transform函數(shù)不能替換為transform函數(shù)！！！理由解釋如下：

sklearn里的封裝好的各種算法都要fit、然后調(diào)用各種API方法，transform只是其中一個(gè)API方法，所以當(dāng)你調(diào)用除transform之外的方法，必須要先fit，為了通用的寫代碼，還是分開寫比較好

也就是說，這個(gè)fit相對于transform而言是沒有任何意義的，但是相對于整個(gè)代碼而言，fit是為后續(xù)的API函數(shù)服務(wù)的，所以fit_transform不能改寫為transform。

--------------------- 本文來自 陳士林 的CSDN 博客 ，全文地址請點(diǎn)擊：https://blog.csdn.net/appleyuchi/article/details/73503282?utm_source=copy

總結(jié)

以上是生活随笔為你收集整理的python聚类分析如何确定分类个数_Python数据挖掘—聚类—KMeans划分法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。