1. 机器学习的步骤
数据,模型选择,训练,测试,预测
2. 安装机器学习库sklearn
pip list 查看版本
python -m pip install --upgrade pip
pip install -U scikit-learn
pip uninstall sklearn
pip uninstall numpy
pip uninstall scipy
pip install scipy
pip install numpy
pip install sklearn
https://scikit-learn.org/stable/install.html
2. 导入sklearn的数据集
from sklearn.datasets import load_iris
iris = load_iris()
iris.keys()
X = iris.data # 获得其特征向量
y = iris.target # 获得样本标签
iris.feature_names # 特征名称
3.K均值算法
K-means是一个反复迭代的过程,算法分为四个步骤:
(x,k,y)
1) 选取数据空间中的K个对象作为初始中心,每个对象代表一个聚类中心;
def initcenter(x, k): kc
2) 对于样本中的数据对象,根据它们与这些聚类中心的欧氏距离,按距离最近的准则将它们分到距离它们最近的聚类中心(最相似)所对应的类;
def nearest(kc, x[i]): j
def xclassify(x, y, kc):y[i]=j
3) 更新聚类中心:将每个类别中所有对象所对应的均值作为该类别的聚类中心,计算目标函数的值;
def kcmean(x, y, kc, k):
4) 判断聚类中心和目标函数的值是否发生改变,若不变,则输出结果,若改变,则返回2)。
while flag:
y = xclassify(x, y, kc)
kc, flag = kcmean(x, y, kc, k)
参考官方文档:
http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#sklearn.cluster.KMeans
4. 作业:
1、扑克牌手动演练k均值聚类过程:>30张牌,3类
①聚类中心为6、10,2 进行分类
②平均值分别为6、9、3
③再以6、9、3为新的聚类中心来分类
④均值不变,分类结束。
2、自主编写K-means算法 ,以鸢尾花花瓣长度数据做聚类,并用散点图显示。(加分题)
3、用sklearn.cluster.KMeans,鸢尾花花瓣长度数据做聚类,并用散点图显示.
import matplotlib.pyplot as plt from sklearn.cluster import KMeans from sklearn.datasets import load_iris iris = load_iris() data1 = iris.data[:, 1] x = data1.reshape(-1,1) data_model = KMeans(n_clusters=3) data_model.fit(x) data_model_y1 = data_model.predict(x) plt.scatter(x[:, 0], x[:, 0], c=data_model_y1, s=50); plt.show()
4、鸢尾花完整数据做聚类并用散点图显示.
import matplotlib.pyplot as plt from sklearn.cluster import KMeans from sklearn.datasets import load_iris iris = load_iris() data2 = iris.data data_model2 = KMeans(n_clusters=3) data_model2.fit(data2) data_model2_y = data_model2.predict(data2) plt.scatter(data2[:, 2], data2[:, 3], c = data_model2_y, s=50) plt.show()
5、想想k均值算法中以用来做什么?
比如说在一些球队的运营中 可以用来评估队伍中球员的得分优劣势