mooc机器学习第三天-聚类-K-means

1.K-means算法介绍

（1）

　（2）

 

 （3）例子应用

 

 2过程

 

 

 

 

 

 

 

 

 3.代码（里面我自己做了自我化的通俗注解）

import sklearn
import  numpy as np
from  sklearn.cluster import KMeans

#文件载入
def loadData(filepath):
    fr=open(filepath,'r+',buffering=1,encoding='gbk')
    lines=fr.readlines()
    
    retDate=[]
    retCityname=[]
    
    for line in lines:
        items=line.strip().split(',')#默认去空格换行符，以“，”切片，返回参数列表
#       print(items)
#       print(line) 
        retCityname.append(items[0])
        retDate.append([float(items[i])  for i in range(1,len(items))])
        
    return retDate,retCityname
                             
if __name__=='__main__':
    Date,Cityname=loadData('/Users/helong/PycharmProjects/untitled1/study/machine_learning/聚类/31省市居民家庭消费水平-city.txt')
    km=KMeans(n_clusters=5)#n_clusters 聚类中心的个数
    label=km.fit_predict(Date)#导入数据后，label表示计算后各数据所属的标签，fit_predict表示计算簇中心以及为簇分配序号
    print(label)
    print(km.cluster_centers_)#每个簇的每种消费的mean值
    expenses=np.sum(km.cluster_centers_,axis=1)#每个簇的平均总消费（）
    print("+++++++++++对比线+++++++++++")
    print(expenses)
    
    Citycluster=[[],[],[],[],[]]
    for i in range(len(Cityname)):
        Citycluster[label[i]].append(Cityname[i]) #把城市和标签一一对应
    for j in range(len(Citycluster)):
        print('Expenses:{}'.format(expenses[j]))
        print(Citycluster[j])
    

　　输出结果（5个簇）：

      

[2 2 1 1 1 1 1 1 4 3 2 3 0 1 1 1 3 3 4 3 3 3 3 1 3 0 1 1 1 1 1]
[[2678.035       633.905       269.28        184.94        392.22
   416.355       402.36        310.81      ]
 [1525.81533333  478.672       322.88266667  232.4         236.41866667
   457.53133333  344.81866667  190.21933333]
 [2682.70666667  594.52666667  712.15666667  417.3         422.24
   891.22        541.67333333  362.02666667]
 [2037.95222222  447.31444444  366.59444444  196.02111111  300.58333333
   597.70444444  437.36777778  232.28555556]
 [3383.74        451.985       728.965       351.6         669.44
   954.02        901.575       441.42      ]]
+++++++++++对比线+++++++++++
[5287.905      3788.758      6623.85       4615.82333333 7882.745     ]
Expenses:5287.905
['福建', '西藏']
Expenses:3788.758
['河北', '山西', '内蒙古', '辽宁', '吉林', '黑龙江', '江西', '山东', '河南', '贵州', '陕西', '甘肃', '青海', '宁夏', '新疆']
Expenses:6623.849999999999
['北京', '天津', '浙江']
Expenses:4615.823333333334
['江苏', '安徽', '湖南', '湖北', '广西', '海南', '重庆', '四川', '云南']
Expenses:7882.745
['上海', '广东']

注意：（1）这里的label输出顺序还是和愿数据城市的排序一样，便于城市对应相应的簇（归类），
（2）label的编号只是单纯编号，没有经过排序（没有严格大小关系），但是每个簇的中心值（mean）数据是严格按照label的[0，1，2，3，。。。]
的排序是顺序输出的

2020-06-08