机器学习|Python机器学习---2.聚类分析代码部分 Python数据分析|python|sklearn|爬虫

1. 手写?个简单的Kmeans算法导入所需要的包

# 导入一些包 import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline from sklearn.datasets import make_blobs

模拟数据

# 模拟出一些数据集出来 #r = np.random.randint(1,100) r = 4 #print(r) k = 3 x , y = make_blobs(n_samples = 300, cluster_std = [0.3, 0.3, 0.3], centers = [[0,0],[1,1],[-1,1]] ,random_state = r ) sim_data = https://www.it610.com/article/pd.DataFrame(x, columns = ['x1', 'x2']) sim_data['label'] = y sim_data.head(5)datasets = sim_data.copy()plt.scatter(sim_data['x1'], sim_data['x2'])

文章图片

因为聚类分析是无监督学习方式，所以在代码中不需要y值，都只有x值就好了。所以drop弹出y
取出最大值与最小值

data_content = datasets.drop('label',axis=1) range_info =data_content.describe().loc[['min','max'],:]

随机产生3个介于最大值与最小值之间的数（这样写代码更有拓展性，实用性强）

#这样的代码实用性会更强，上面只适用于X1和X2 # 这个代码可以适用于所有数据 l = [] for i in data_content.columns: l.append(np.random.uniform(range_info[i]['min'],range_info[i]['max'],3)) l

这个作为初始的聚类中心点的位置，介于最大值与最小值之间

文章图片

转成表格DataFrame

pd.DataFrame(l,index = data_content.columns).T

文章图片

这3个初始值的聚类中心点就是
（1.796770 ，-0.384921）
（-0.119144， -0.497739）
（1.258498， -0.322896）
因为for循环有对大数据不采用，所以这里教一种减少循环次数的方法

# 列表解析式 [np.random.uniform(range_info[i]['min'], range_info[i]['max'],3) for i in data_content.columns]

文章图片

这个是取出k个随机的介于最大值和最小值之间的数

# 从i的最大最小中随机生成k个数 np.random.uniform(range_info[i]['min'],range_info[i]['max'],k)

这个比上一个更有拓展性，可以外部设置K值（聚类点数）

# 使用列表解析式写出一个更加有拓展性的代码 k = 4 k_randoms = [np.random.uniform(range_info[i]['min'], range_info[i]['max'], k) for i in data_content.columns] k_randoms

转成表格形式

# 将最后的k_randoms转化成dataframe的格式 centers = pd.DataFrame(k_randoms, index = data_content.columns).T centers

文章图片

封装成函数，之后就可以直接用了，datasets是数据集

# 上面的都测试好之后，我们就可以把它写出一个函数 def initial_centers(datasets, k = 3): data_content = datasets.drop('label', axis = 1) range_info = data_content.describe().loc[['min', 'max'], :] k_randoms = [np.random.uniform(range_info[i]['min'], range_info[i]['max'], k) for i in data_content.columns] centers = pd.DataFrame(k_randoms, index = data_content.columns).T return centers

测试一下封装好的包