机器学习4 kmeans聚类成3个簇

基操(kmeans建模,拟合,质心,label,inertia)

数据格式(左下)和最终结果(右上)

在这里插入图片描述


模型准备和拟合

clf = KMeans(n_clusters=3)
clf.fit(data)

查看质心cluster_centers_

clf.cluster_centers_

在这里插入图片描述


查看每个点所属于的簇的标签labels_

clf.labels_

在这里插入图片描述


查看误差平方和 inertia_

clf.inertia_

在这里插入图片描述

绘制点图

点图plt.scatter(横坐标对应数据列,纵坐标对应数据列,颜色c=clf.labels_,标记marker=‘x’)

plt.scatter(data['每分钟助攻数'],data['每分钟得分数'],c=clf.labels_,marker='x')

在这里插入图片描述

标记质心 cluster_centers_ 结合刚才已经求得的质心坐标,第1列(索引0)为横坐标,第2列(索引1)为纵坐标,
eg:只要索引为0的第一列,表示为 [:,0],:表示行不要

在这里插入图片描述

plt.scatter(clf.cluster_centers_[:,0],clf.cluster_centers_[:,1],color='red')

在这里插入图片描述


最后加上横纵坐标,标题 xlabel,ylabel,title

在这里插入图片描述


横纵坐标为中文jupyter识别不了,改为英文解决

plt.scatter(data['每分钟助攻数'],data['每分钟得分数'],c=clf.labels_,marker='x')
plt.scatter(clf.cluster_centers_[:,0],clf.cluster_centers_[:,1],c='red')

plt.xlabel('assists per min')
plt.xlabel('points per min')
plt.title('KMeans Basketball data')

!!!注意,color用c肯定不会错,用color有时会报错

在这里插入图片描述

全文代码

在这里插入图片描述

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

1、准备数据集

data = pd.read_csv(r'basketball.csv')
data.head()

data.shape

2、Kmeans聚类

# 1.准备模型
km = KMeans(n_clusters=3)

# 2.训练模型
km.fit(data)

3、查看属性

# 1.质心
km.cluster_centers_

# 2.属于哪个簇
km.labels_

# 3.误差平方和
km.inertia_

4、最优模型

result = []
for n_clusters in range(2,10):
    for max_iter in  range(300,601,50):
        for tol in range(2,10):
            tol=tol*1e-5
            km = KMeans(n_clusters=n_clusters, max_iter=max_iter, tol=tol)
            km.fit(data)
            d = {'n_clusters':n_clusters, 'max_iter':max_iter, 'tol':tol, 'inertia': km.inertia_}
            result.append(d)

result

result_df = pd.DataFrame(result)

result_df

找到误差平方和最小,对应的模型参数

r = result_df.iloc[result_df['inertia'].argmin(), :]
type(r)

r

n_clusters = r['n_clusters']
n_clusters

max_iter = int(r['max_iter'])
max_iter

tol = r['tol']
tol

选择合适的K值

data.head()

data.shape

for n_clusters in range(2,20):
    print(n_clusters)

x = []
y = []
for n_clusters in range(2,20):
    print(n_clusters)
    km = KMeans(n_clusters=n_clusters, max_iter=max_iter, tol=tol)
    km.fit(data)
    # 保存n_clusters、误差平方和
    x.append(n_clusters)
    y.append(km.inertia_)

x

y

用n_clusters(k)作为横坐标,误差平方和作为中坐标---折线图(最优k)

plt.figure(figsize=(20, 8), dpi=100)
plt.plot(x, y)
plt.xlabel('K')
plt.ylabel('inertia')
plt.title('k-inertia relation')
# 将数字标注到折线图中
for a, b in zip(x, y):
    plt.text(a, b, round(b, 2), ha='center', va='bottom')

ppt-K-Means代码示例

法1

min_inertia = 10000000
k = 0

for i in range(5,30):
    km = KMeans(n_clusters=i)
    km.fit(data)
    inertia = km.inertia_
    if min_inertia > inertia:
        min_inertia = inertia
        k = i

min_inertia

k

法2

d = {}

for i in range(5,30):
    km = KMeans(n_clusters=i).fit(data)
    d[i] = km.inertia_

d

d_new = pd.Series(d)
d_new

d_new = pd.Series(d)
d_new.idxmin()

min(zip(d.values(), d.keys()))[1]

min(d.items(), key=lambda x: x[1])[0]

d_new

d_new.argmin()

d_new.argmin()3

e_min = 1000000
k = 0

for i in d:
#     print(i)
    if d[i] < e_min:
        e_min = d[i]
        k = i

e_min

k


### 聚类成3个簇

clf = KMeans(n_clusters=3)
clf.fit(data)

data.head()

clf.labels_

#y_pred=clf.predict(data)
#y_pred

plt.scatter(data['每分钟助攻数'],data['每分钟得分数'],c=clf.labels_,marker='x')

clf.cluster_centers_

plt.scatter(data['每分钟助攻数'],data['每分钟得分数'],c=clf.labels_,marker='x')
plt.scatter(clf.cluster_centers_[:,0],clf.cluster_centers_[:,1],c='red')

plt.xlabel('assists per min')
plt.xlabel('points per min')
plt.title('KMeans Basketball data')


版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


学习编程是顺着互联网的发展潮流,是一件好事。新手如何学习编程?其实不难,不过在学习编程之前你得先了解你的目的是什么?这个很重要,因为目的决定你的发展方向、决定你的发展速度。
IT行业是什么工作做什么?IT行业的工作有:产品策划类、页面设计类、前端与移动、开发与测试、营销推广类、数据运营类、运营维护类、游戏相关类等,根据不同的分类下面有细分了不同的岗位。
女生学Java好就业吗?女生适合学Java编程吗?目前有不少女生学习Java开发,但要结合自身的情况,先了解自己适不适合去学习Java,不要盲目的选择不适合自己的Java培训班进行学习。只要肯下功夫钻研,多看、多想、多练
Can’t connect to local MySQL server through socket \'/var/lib/mysql/mysql.sock问题 1.进入mysql路径
oracle基本命令 一、登录操作 1.管理员登录 # 管理员登录 sqlplus / as sysdba 2.普通用户登录
一、背景 因为项目中需要通北京网络,所以需要连vpn,但是服务器有时候会断掉,所以写个shell脚本每五分钟去判断是否连接,于是就有下面的shell脚本。
BETWEEN 操作符选取介于两个值之间的数据范围内的值。这些值可以是数值、文本或者日期。
假如你已经使用过苹果开发者中心上架app,你肯定知道在苹果开发者中心的web界面,无法直接提交ipa文件,而是需要使用第三方工具,将ipa文件上传到构建版本,开...
下面的 SQL 语句指定了两个别名,一个是 name 列的别名,一个是 country 列的别名。**提示:**如果列名称包含空格,要求使用双引号或方括号:
在使用H5混合开发的app打包后,需要将ipa文件上传到appstore进行发布,就需要去苹果开发者中心进行发布。​
+----+--------------+---------------------------+-------+---------+
数组的声明并不是声明一个个单独的变量,比如 number0、number1、...、number99,而是声明一个数组变量,比如 numbers,然后使用 nu...
第一步:到appuploader官网下载辅助工具和iCloud驱动,使用前面创建的AppID登录。
如需删除表中的列,请使用下面的语法(请注意,某些数据库系统不允许这种在数据库表中删除列的方式):
前不久在制作win11pe,制作了一版,1.26GB,太大了,不满意,想再裁剪下,发现这次dism mount正常,commit或discard巨慢,以前都很快...
赛门铁克各个版本概览:https://knowledge.broadcom.com/external/article?legacyId=tech163829
实测Python 3.6.6用pip 21.3.1,再高就报错了,Python 3.10.7用pip 22.3.1是可以的
Broadcom Corporation (博通公司,股票代号AVGO)是全球领先的有线和无线通信半导体公司。其产品实现向家庭、 办公室和移动环境以及在这些环境...
发现个问题,server2016上安装了c4d这些版本,低版本的正常显示窗格,但红色圈出的高版本c4d打开后不显示窗格,
TAT:https://cloud.tencent.com/document/product/1340