sklearn库kmeans实现实例

最新推荐文章于 2024-12-22 15:30:01 发布

转载最新推荐文章于 2024-12-22 15:30:01 发布 · 679 阅读

本内容遵循CC 4.0 BY-SA版权协议

原文链接：http://www.cnblogs.com/eternallql/p/8142990.html

本文详细介绍了使用Python的scikit-learn库中的KMeans算法进行数据聚类的过程。通过加载和预处理数据集，调用KMeans类并指定聚类数量，实现了数据的聚类分析。文中展示了如何获取聚类中心坐标、每个样本所属的簇以及评估聚类效果的惯性矩。此外，还介绍了如何将聚类结果添加到数据集中，并提供了模型的保存和加载方法。

# -*- coding: utf-8 -*-
from sklearn.cluster import KMeans
from sklearn.externals import joblib
import numpy
import pandas as pd
def kmeans(inputfile,n):

    final = open('data/dataset.csv' , 'r')

    data = [line.strip().split(',') for line in final]
    feature = [[float(x) for x in row[1]] for row in data]
    # print feature
    #调用kmeans类
    clf = KMeans(n_clusters=n)  #给定类别个数为3
    s = clf.fit(feature)
    # print s
    #聚类中心坐标
    print '聚类中心',clf.cluster_centers_
    #每个样本所属的簇
    print '每个样本所属的簇',clf.labels_ #每个点的分类
    #用来评估簇的个数是否合适，距离越小说明簇分的越好，选取临界点的簇个数
    print clf.inertia_ #每个点到其簇的质心的距离之和
    #进行预测
    df = pd.read_csv('data/dataset1.csv')  #未添加类标签的数据集
    label = clf.predict(feature)
    labelpre = pd.DataFrame(label,columns=['label'])
    df['label'] = labelpre  #将聚类之后的类标签添加到数据集中
    # print clf.predict(feature)
    print df
    #保存模型
    joblib.dump(clf , 'data/km.pkl')

    #载入保存的模型
    clf = joblib.load('data/km.pkl')
    print 'clf',clf
    '''
    #用来评估簇的个数是否合适，距离越小说明簇分的越好，选取临界点的簇个数
    for i in range(5,30,1):
        clf = KMeans(n_clusters=i)
        s = clf.fit(feature)
        print i , clf.inertia_
    '''
kmeans('data/danger.csv',3)