K-Means 聚类算法实现鸢尾花数据的聚类

完整代码:https://github.com/angelfate/python_analysis/tree/master/K-Means%E8%81%9A%E7%B1%BB%E7%AE%97%E6%B3%95%E5%AE%9E%E7%8E%B0%E9%B8%A2%E5%B0%BE%E8%8A%B1%E6%95%B0%E6%8D%AE%E7%9A%84%E8%81%9A%E7%B1%BB

#!/usr/bin/env Python3
# -*- coding: utf-8 -*-
# @Software: PyCharm
# @virtualenv:workon
# @contact: Kmeans聚类算法,数据集是Iris(鸢尾花的数据集),分类数k是3,数据维数是4。
# @Desc:Code descripton
__author__ = '未昔/AngelFate'
__date__ = '2019/8/17 21:00'
import pandas as pd
import numpy as np
import matplotlib.pylab as plt

"""
K-means聚类算法是典型的基于距离的非层次聚类算法,在最小化误差函数的基础上将数据划分为预定的K个类,使得K个类达到类内数据距离之和最小而类间距离之和最大。它是无监督学习算法,采用距离作为相似性的度量指标,即认为两个对象距离越近,其相似性就越大。
1、数据类型与相似性度量
(1)连续属性和离散属性数据
对于连续属性,要依次对每个属性的属性值进行零-均值化处理;对于离散属性,要依次对每个属性的属性值进行数值化处理。然后通过计算距离来度量相似性,K-means聚类算法中一般需要计算样本间的距离,样本和簇的距离,簇和簇的距离。其中,样本间的距离通常用欧式距离(欧几里得距离)、曼哈顿距离和闵可夫斯基距离,样本和簇的距离可以用样本到簇中心的距离代替,簇和簇距离可以用簇中心到簇中心的距离代替。
"""

data = pd.read_table('Iris_data.txt', sep=' ', encoding='utf8',index_col=False,names=['a','b','c','d'])
x = data[['a', 'b', 'c', 'd']].values
print('x:\n',x)

from sklearn.cluster import KMeans

k = 4
iteration = 500

model = KMeans(n_clusters=k, n_jobs=1, max_iter=iteration)
y = model.fit_predict(x)
label_pred = model.labels_
centroids = model.cluster_centers_
inertia = model.inertia_

print('y:\n',y)
print('聚类标签:\n',label_pred)
print('聚类中心:\n',centroids)
print('聚类准则的总和:\n',inertia)

print('----分类结果----:')
result = list(zip(y, x))
for i in result:
    print(i)


r1 = pd.Series(model.labels_).value_counts()
print('r1:\n',r1)

r2 = pd.DataFrame(model.cluster_centers_)
print('r2: \n', r2)

r = pd.concat([r2, r1], axis=1)
r.columns = data.columns.tolist() + ['类别数目']
print('r: \n', r)

file = open('result.txt','w',encoding='utf8')
file.write(str(r1)+'\n\n'+str(r2)+'\n\n'+str(r))
file.close()

result:

| a b c d 类别数目 |
|  | 0 6.997947 2.994129 5.794507 1.493422 14559 |
|  | 1 5.006063 3.000701 3.196228 1.494557 14837 |
|  | 2 7.003359 3.007491 3.286257 1.491236 15253 |
|  | 3 5.019887 2.991471 5.724741 1.521535 15351 |