溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇文章給大家分享的是有關K 均值算法是如何讓數據自動分組，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。
下面要介紹的K 均值算法是一種無監督學習。
與分類算法相比，無監督學習算法又叫聚類算法，就是只有特征數據，沒有目標數據，讓算法自動從數據中“學習知識”，將不同類別的數據聚集到相應的類別中。
K 均值的英文為K-Means，其含義是：
K：表示該算法可以將數據劃分到K 個不同的組中。
均值：表示每個組的中心點是組內所有值的平均值。
K 均值算法可以將一個沒有被分類的數據集，劃分到K 個類中。某個數據應該被劃分到哪個類，是通過該數據與群組中心點的相似度決定的，也就是該數據與哪個類的中心點最相似，則該數據就應該被劃分到哪個類中。
關于如何計算事物之間的相似度，可以參考文章《計算機如何理解事物的相關性》。
使用K 均值算法的一般步驟是：
確定K 值是多少：
對于K 值的選擇，可以通過分析數據，估算數據應該分為幾個類。
如果無法估計確切值，可以多試幾個K 值，最終將劃分效果最好的K 值作為最終選擇。
選擇K 個中心點：一般最開始的K 個中心點是隨機選擇的。
將數據集中的所有數據，通過與中心點的相似度劃分到不同的類別中。
根據類別中的數據平均值，重新計算每個類別中心點的位置。
循環迭代第3，4步，直到中心點的位置幾乎不再改變，分類過程就算完畢。
下面以一個二維數據點的聚類過程，來看下K 均值算法如何聚類。
首先，這里有一些離散的數據點，如下圖：
我們使用K 均值算法對這些數據點進行聚類。隨機選擇兩個點作為兩個類的中心點，分別是紅色x 和藍色x：
計算所有數據點到這兩個中心點的距離，距離紅色x 近的點標紅色，距離藍色x 近的點標藍色：
重新計算兩個中心點的位置，兩個中心點分別移動到新的位置：
重新計算所有數據點分別到紅色x 和藍色x的距離，距離紅色x 近的點標紅色，距離藍色x 近的點標藍色：
再次計算兩個中心點的位置，兩個中心點分別移動到新的位置：
直到中心點的位置幾乎不再變化，聚類結束。
以上過程就是K 均值算法的聚類過程。
K 均值算法是一個聚類算法，sklearn 庫中的 cluster 模塊實現了一系列的聚類算法，其中就包括K 均值算法。
來看下KMeans 類的原型：
KMeans( n_clusters=8, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='deprecated', verbose=0, random_state=None, copy_x=True, n_jobs='deprecated', algorithm='auto')
可以看KMeans 類有很多參數，這里介紹幾個比較重要的參數：
n_clusters: 即 K 值，可以隨機設置一些 K 值，選擇聚類效果最好的作為最終的 K 值。
init：選擇初始中心點的方式：
init='k-means++'：可加快收斂速度，是默認方式，也是比較好的方式。
init='random '：隨機選擇中心點。
也可以自定義方式，這里不多介紹。
n_init：初始化中心點的運算次數，默認是 10。如果 K 值比較大，可以適當增大 n_init 的值。
algorithm：k-means 的實現算法，有auto，full，elkan三種。
默認是auto，根據數據的特點自動選擇用full或者elkan。
max_iter：算法的最大迭代次數，默認是300。
如果聚類很難收斂，設置最大迭代次數可以讓算法盡快結束。
下面對一些二維坐標中的點進行聚類，看下如何使用K 均值算法。
下面是隨機生成的三類坐標點，每類有20 個點，不同類的點的坐標在不同的范圍內：
A 類點：Ax 表示A 類點的橫坐標，Ay 表示A 類點的縱坐標。橫縱坐標范圍都是 (0, 20]。
B 類點：Bx 表示B 類點的橫坐標，By 表示B 類點的縱坐標。橫縱坐標范圍都是 (40, 60]。
C 類點：Cx 表示C 類點的橫坐標，Cy 表示C 類點的縱坐標。橫縱坐標范圍都是 (70, 90]。
Ax = [20, 6, 14, 13, 8, 19, 20, 14, 2, 11, 2, 15, 19, 4, 4, 11, 13, 4, 15, 11] Ay = [14, 19, 17, 16, 3, 7, 9, 18, 20, 3, 4, 12, 9, 17, 14, 1, 18, 17, 3, 5] Bx = [53, 50, 46, 52, 57, 42, 47, 55, 56, 57, 56, 50, 46, 46, 44, 44, 58, 54, 47, 57] By = [60, 57, 57, 53, 54, 45, 54, 57, 49, 53, 42, 59, 54, 53, 50, 50, 58, 58, 58, 51] Cx = [77, 75, 71, 87, 74, 70, 74, 85, 71, 75, 72, 82, 81, 70, 72, 71, 88, 71, 72, 80] Cy = [85, 77, 82, 87, 71, 71, 77, 88, 81, 73, 80, 72, 90, 77, 89, 88, 83, 77, 90, 72]
我們可以用 Matplotlib 將這些點畫在二維坐標中，代碼如下：
import matplotlib.pyplot as plt plt.scatter(Ax + Bx + Cx, Ay + By + Cy, marker='o') plt.show()
畫出來的圖如下，可看到這三類點的分布范圍還是一目了然的。
關于如何使用 Matplotlib 繪圖，可以參考文章《如何使用Python 進行數據可視化》。
下面使用K 均值算法對數據點進行聚類。
創建K 均值模型對象：
from sklearn.cluster import KMeans # 設置 K 值為 3，其它參數使用默認值 kmeans = KMeans(n_clusters=3)
準備數據，共三大類，60 個坐標點：
train_data = [ # 前20 個為 A 類點 [20, 14], [6, 19], [14, 17], [13, 16], [8, 3], [19, 7], [20, 9], [14, 18], [2, 20], [11, 3], [2, 4], [15, 12], [19, 9], [4, 17], [4, 14], [11, 1], [13, 18], [4, 17], [15, 3], [11, 5], # 中間20 個為B 類點 [53, 60], [50, 57], [46, 57], [52, 53], [57, 54], [42, 45], [47, 54], [55, 57], [56, 49], [57, 53], [56, 42], [50, 59], [46, 54], [46, 53], [44, 50], [44, 50], [58, 58], [54, 58], [47, 58], [57, 51], # 最后20 個為C 類點 [77, 85], [75, 77], [71, 82], [87, 87], [74, 71], [70, 71], [74, 77], [85, 88], [71, 81], [75, 73], [72, 80], [82, 72], [81, 90], [70, 77], [72, 89], [71, 88], [88, 83], [71, 77], [72, 90], [80, 72], ]
擬合模型：
kmeans.fit(train_data)
對數據進行聚類：
predict_data = kmeans.predict(train_data)
查看聚類結果，其中的0，1，2 分別代表不同的類別：
>>> print(predict_data) [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]
通過觀察最終的聚類結果predict_data，可以看到，前，中，后20 個數據分別被分到了不同的類中，也非常符合我們的預期，說明K 均值算法的聚類結果還是很不錯的 。
因為本例中的二維坐標點的分布界限非常明顯，所以最終的聚類結果非常不錯。
我們可以通過 n_iter_ 屬性來查看迭代的次數：
>>> kmeans.n_iter_ 2
通過 cluster_centers_ 屬性查看每個類的中心點坐標：
>>> kmeans.cluster_centers_ array([[11.25, 11.3 ], [75.9 , 80.5 ], [50.85, 53.6 ]])
將這三個中心點畫在坐標軸中，如下：
以上就是K 均值算法是如何讓數據自動分組，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
