一、聚类算法简介
1 认识聚类算法
使用不同的聚类准则，产生的聚类结果不同
1.1 聚类算法在现实中的应用
- 用户画像，广告推荐，Data Segmentation，搜索引擎的流量推荐，恶意流量识别
- 基于位置信息的商业推送，新闻聚类，筛选排序
- 图像分割，降维，识别；离群点检测；信用卡异常消费；发掘相同功能的基因片段
1.2 聚类算法的概念
聚类算法： 一种典型的无监督学习算法，主要用于将相似的样本自动归到一个类别中。
在聚类算法中根据样本之间的相似性，将样本划分到不同的类别中，对于不同的相似度计算方法，会得到不同的聚类结果，常用的相似度计算方法有欧式距离法。
1.3 聚类算法与分类算法最大的区别
聚类算法是无监督的学习算法，而分类算法属于监督的学习算法。
二、聚类算法api初步使用
1 api介绍
sklearn.cluster.KMeans(n_clusters=8)
参数：
- n_clusters:开始的聚类中心数量
- 整型，缺省值=8，生成的聚类数，即产生的质心（centroids）数。
方法：
- estimator.fit(x)
- estimator.predict(x)
- estimator.fit_predict(x)
- 计算聚类中心并预测每个样本属于哪个类别,相当于先调用fit(x),然后再调用predict(x)
2 案例
随机创建不同二维数据集作为训练集，并结合k-means算法将其聚类，你可以尝试分别聚类不同数量的簇，并观察聚类效果：
聚类参数n_cluster传值不同，得到的聚类结果不同
2.1流程分析
2.2 代码实现
导入响应的库：
import matplotlib.pyplot as plt
# 旧版：from sklearn.datasets.sample_generator import make_blobs
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans
from sklearn.metrics import calinski_harabasz_score
# 创建数据
X, y = make_blobs(n_samples=1000,
n_features=2,
centers=[[-1, -1], [0, 0], [1, 1], [2, 2]],
cluster_std=[0.4, 0.2, 0.2, 0.2],
random_state=9)
plt.scatter(X[:, 0], X[:, 1], marker="o")
plt.show()
# kmeans训练,且可视化 聚类=2
y_pre = KMeans(n_clusters=2, random_state=9).fit_predict(X)
# 可视化展示
plt.scatter(X[:, 0], X[:, 1], c=y_pre)
plt.show()
# 用ch_scole查看最后效果
print(calinski_harabasz_score(X, y_pre))
3116.1706763322227
# kmeans训练,且可视化 聚类=3
y_pre = KMeans(n_clusters=3, random_state=9).fit_predict(X)
# 可视化展示
plt.scatter(X[:, 0], X[:, 1], c=y_pre)
plt.show()
# 用ch_scole查看最后效果
print(calinski_harabasz_score(X, y_pre))
2931.625030199556
# kmeans训练,且可视化 聚类=4
y_pre = KMeans(n_clusters=4, random_state=9).fit_predict(X)
# 可视化展示
plt.scatter(X[:, 0], X[:, 1], c=y_pre)
plt.show()
# 用ch_scole查看最后效果
print(calinski_harabasz_score(X, y_pre))
5924.050613480169
三、聚类算法实现流程
四、模型评估
五、算法优化
六、特征降维
七、案例：探究用户对物品类别的喜好细分
八、算法选择指导
关于在计算的过程中，如何选择合适的算法进行计算，可以参考scikit learn官方给的指导意见：
上一篇：机器学习： 集成学习
下一篇：机器学习： 朴素贝叶斯