加强二级网站建设 招生,做婚庆网站图片下载,1个月能学好网站开发吗,企业建设门户网站有哪些1、K-Means聚类算法
K表示超参数个数#xff0c;如分成几个类别#xff0c;K值就取多少。若无需求#xff0c;可使用网格搜索找到最佳的K。 步骤#xff1a; 1、随机设置K个特征空间内的点作为初始聚类中心#xff1b; 2、对于其他每个点计算到K个中心的距离#xff0c;…1、K-Means聚类算法
K表示超参数个数如分成几个类别K值就取多少。若无需求可使用网格搜索找到最佳的K。 步骤 1、随机设置K个特征空间内的点作为初始聚类中心 2、对于其他每个点计算到K个中心的距离未知的点选择最近的一个聚类中心点作为标记种类 3、接着对标记的聚类中心之后重新计算出每个聚类的中心点(平均值) 4、如果计算得出的新中心点与原中心点一样那么结束否则执行第二步。 means表示寻找新的聚类中心点是采用特征平均值确定。
2、K-means图解
具体演示视频可查看(B站UP主KnowingAI知智) 若我们手上有一些水果我们希望对它们进行分类假设分为两类则此时K2。 step1:随机选取两个样本点作为聚类中心点centrol
step2:计算其他每个样本与聚类中心centrol的距离距离谁近就归为哪类一般采用欧氏距离。
step3:根据已分类的结果重新计算聚类中心聚类中心是已分类的所有样本的平均值(means) 然后重复之前的步骤重新计算距离进行划分直到某一次计算聚类中心点和上次相同则聚类结束。
3、聚类算法优缺点分析
聚类算法不需要手动设置标签故属于无监督学习相比于监督学习它更加简单、易于理解但是准确率方面不如监督学习。
4、K-Means()算法实现案例
API调用
API:sklearn.cluster.KMeans(n_clusters8, initkmeans)
n_cluster:初始聚类中心数量即K值from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
# 生成示例数据100个二维数据横坐标纵坐标都在0-1范围内
X np.random.rand(100, 2)
# 创建K-means模型
kmeans KMeans(n_clusters3)
# 训练模型
kmeans.fit(X)
# 获取聚类结果
labels kmeans.labels_
# 获取每个数据点的簇标签。labels_是一个数组表示每个数据点所属的簇的索引。
centroids kmeans.cluster_centers_
# 获取每个簇的质心坐标。cluster_centers_是一个形状为(n_clusters, n_features)的数组表示每个簇的质心位置。
# 可视化结果
plt.scatter(X[:, 0], X[:, 1], clabels, cmapviridis)
plt.scatter(centroids[:, 0], centroids[:, 1], s300, cred, markerx)
plt.show()5、聚类效果的评估(轮廓系数评估法
内部距离最小化外部距离最大化 轮廓系数 S C i b i − a i m a x ( b i , a i ) SCi\frac{b_i-a_i}{max(b_i,a_i)} SCimax(bi,ai)bi−ai b i b_i bi:一个簇内某个样本到其他簇的所有样本距离的最小值 a i a_i ai:一个簇内某个样本到本身簇内所有样本距离的平均值 b i a i b_ia_i biai 此时 S C i ≈ 1 SCi≈1 SCi≈1 效果好 b i a i b_ia_i biai 此时 S C i ≈ − 1 SCi≈-1 SCi≈−1 效果差 轮廓系数取值范围在 ( − 1 , 1 ) (-1,1) (−1,1)越接近 1 1 1聚类效果越好越接近 − 1 -1 −1聚类效果越差
from sklearn.metrics import silhouette_score #计算轮廓系数传入样本点和分类标签如上例中加上如下代码
from sklearn.metrics import silhouette_score
score silhouette_score(X,labels)
print(f轮廓系数为{score})轮廓系数为0.3873688462341751分类效果一般。可以加一个循环找到一定范围内最优的K值此处用轮廓系数衡量
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
import numpy as np
import matplotlib.pyplot as plt
# 生成示例数据100个二维数据横坐标纵坐标都在0-1范围内
X np.random.rand(100, 2)
# 创建K-means模型
best_score0
for k in range(2,11):kmeans KMeans(n_clustersk)# 训练模型kmeans.fit(X)# 获取聚类结果labels kmeans.labels_# 获取每个数据点的簇标签。labels_是一个数组表示每个数据点所属的簇的索引。centroids kmeans.cluster_centers_score silhouette_score(X,labels)if score best_score:best_score scorebest_k k
print(f最佳簇数: {best_k}, 轮廓系数: {best_score})
# 最佳簇数: 4, 轮廓系数: 0.42684837185343705
