sklearn實踐（一）：kmeans聚類

實踐往往比理論要經歷更多的挫折。

一、數據處理

官方給的案例里用的都是sklearn自帶的數據集，只要import之后便萬事大吉，但實際中我們采用的數據往往沒有那么規整，也不是可以一下就fit到模型里去的。經過這次經歷，打算整理一下大致思路，關於更高級、深入的數據處理，這篇文章不會涉及。

官方案例如下：

>>> from sklearn.cluster import KMeans
>>> import numpy as np
>>> X = np.array([[1, 2], [1, 4], [1, 0],
...               [10, 2], [10, 4], [10, 0]])
#其中，X即fit的參數可推斷，應當是這種np.array
>>> kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
>>> kmeans.labels_
array([1, 1, 1, 0, 0, 0], dtype=int32)
#labels_表示樣本集中所有樣本所屬類別（x=1->No.1;x=2->No.1;x=3->No.1;x=4->No.0）
>>> kmeans.predict([[0, 0], [12, 3]])
array([1, 0], dtype=int32)
#以二維數組格式[x,y]輸入predict,可輸出判斷類別結果
>>> kmeans.cluster_centers_
array([[10.,  2.],
       [ 1.,  2.]])
#cluster_center是兩個cluster的中心點

我的數據：

from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# 初始化數據集
dat = pd.read_csv("C:\\Users\\Breeze\\Desktop\\matlab\\data.csv")

# 指定簇的個數，即分成幾類

print(data)

將dataframe轉置

data = dat.T

print(data)

去掉id這一列：

data = data.drop(['id'])

將每一列依次讀取出來，每一列都用列表形式存儲，依次放到另一個空列表中：

x = []
for i in range(60):
    x.append(data[i].values.tolist())
X = np.array(x)

由此得到合適的數據集X

二、fit()開始聚類

fit(X):

km = KMeans(n_clusters=3).fit(X)
# 標簽結果
rs_labels = km.labels_
# 每個類別的中心點
rs_center_ids = km.cluster_centers_

# 描繪各個點
plt.scatter(X[:, 0], X[:, 1], c=rs_labels, alpha=0.5)
# 描繪質心
# plt.scatter(rs_center_ids[:, 0], rs_center_ids[:, 1], c='red')

plt.show()