|
一，鸢尾花Iris数据集解析
二，绘制Iris数据集散点图，数据集已经给出具体类别
from sklearn import datasets
import matplotlib.pyplot as plt
#加载数据集，是一个字典类似Java中的map
lris_df = datasets.load_iris()
#挑选出前两个维度作为x轴和y轴，你也可以选择其他维度
x_axis = lris_df.data[:,0]
y_axis = lris_df.data[:,2]
#c指定点的颜色，当c赋值为数值时，会根据值的不同自动着色
plt.scatter(x_axis, y_axis, c=lris_df.target)
plt.show()
三，Python使用kmeans聚类，并绘制新的聚类散点图。
from sklearn import datasets
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
#加载数据集，是一个字典类似Java中的map
lris_df = datasets.load_iris()
#挑选出前两个维度作为x轴和y轴，你也可以选择其他维度
x_axis = lris_df.data[:,0]
y_axis = lris_df.data[:,2]
#这里已经知道了分3类，其他分类这里的参数需要调试
model = KMeans(n_clusters=3)
#训练模型
model.fit(lris_df.data)
#选取行标为100的那条数据，进行预测
prddicted_label= model.predict([[6.3, 3.3, 6, 2.5]])
#预测全部150条数据
all_predictions = model.predict(lris_df.data)
#打印出来对150条数据的聚类散点图
plt.scatter(x_axis, y_axis, c=all_predictions)
plt.show()
四，也可以聚成两类：
#将类别参数改成2
model = KMeans(n_clusters=2)
五，kmeans算法流程
1）随机选取k个点作为种子点(这k个点不一定属于数据集，k个点就代表有k类)
2）分别计算每个数据点到k个种子点的距离，离哪个种子点最近，就属于哪类
3）重新计算k个种子点的坐标(简单常用的方法是求坐标值的平均值作为新的坐标值)
4）重复2、3步，直到种子点坐标不变或者循环次数完成
六，kmeans的不足
1）初始分类数目k值很难估计，不确定应该分成多少类才最合适(ISODATA算法通过类的自动合并和分裂，得到较为合理的类型数目k)（meanshift也可以不用提前知道分多少类别，参考博文：https://blog.csdn.net/u010916338/article/details/86495308）
2）不同的随机种子会得到完全不同的结果(K-Means++算法可以用来解决这个问题，其可以有效地选择初始点)
|