機器學習之路：python k均值聚類 KMeans 手寫數字

 

python3 學習使用api

使用了網上的數據集，我把他下載到了本地

可以到我的git中下載數據集： https://github.com/linyi0604/MachineLearning

代碼：

import numpy as np
import pandas as pd
from sklearn.cluster import KMeans
from sklearn import metrics

'''
k均值算法：
    1 隨機選擇k個樣本作為k個類別的中心
    2 從k個樣本出發，選取最近的樣本歸為和自己同一個分類，一直到所有樣本都有分類
    3 對k個分類重新計算中心樣本
    4 從k個新中心樣本出發重復23，
        如果據類結果和上一次一樣，則停止
        否則重復234
        
'''
'''
該數據集源自網上 https://archive.ics.uci.edu/ml/machine-learning-databases/optdigits/
我把他下載到了本地
訓練樣本3823條， 測試樣本1797條
圖像通過8*8像素矩陣表示共64個維度，1個目標維度表示數字類別
'''

# 1 准備數據
digits_train = pd.read_csv("./data/optdigits/optdigits.tra", header=None)
digits_test = pd.read_csv("./data/optdigits/optdigits.tes", header=None)
# 從樣本中抽取出64維度像素特征和1維度目標
x_train = digits_train[np.arange(64)]
y_train = digits_train[64]
x_test = digits_test[np.arange(64)]
y_test = digits_test[64]

# 2 建立模型
# 初始化kMeans聚類模型 聚類中心數量為10個
kmeans = KMeans(n_clusters=10)
# 聚類
kmeans.fit(x_train)
# 逐條判斷每個測試圖像所屬的聚類中心你
y_predict = kmeans.predict(x_test)


# 3 模型評估
# 使用ARI進行性能評估 當聚類有所屬類別的時候利用ARI進行模型評估
print("k均值聚類的ARI值：", metrics.adjusted_rand_score(y_test, y_predict))
'''
k均值聚類的ARI值： 0.6673881543921809
'''
# 如果沒有聚類所屬類別，利用輪廓系數進行評估