正文

K-Means聚类算法入门：轻松编程实现数据分析实战

/0 浏览量
0412

在数据分析领域，K-Means聚类算法是一种非常经典的算法，它可以帮助我们通过数学的方式将数据划分为几个类别。这种算法简单易用，非常适合初学者入门。本文将带领大家从零开始，了解K-Means聚类算法的基本原理，并通过编程实战来加深理解。

K-Means聚类算法简介

基本概念

K-Means聚类算法是一种无监督学习算法，它的目标是把数据集分成K个簇（Cluster），使得同一个簇内的数据点尽可能相似，不同簇之间的数据点尽可能不同。

工作原理

  1. 初始化：随机选择K个数据点作为初始聚类中心。
  2. 分配步骤：将每个数据点分配到最近的聚类中心，形成K个簇。
  3. 更新步骤：重新计算每个簇的聚类中心，即该簇中所有数据点的均值。
  4. 迭代：重复分配步骤和更新步骤，直到聚类中心不再发生变化或满足其他停止条件。

K的选择

选择合适的K值是K-Means聚类的一个关键问题。通常，我们可以通过以下方法来确定K值：

  • 肘部法则：绘制聚类误差平方和（SSE）与K值的关系图，选择SSE下降速率变缓的点作为K值。
  • 轮廓系数法：计算每个数据点的轮廓系数，轮廓系数越接近1，说明聚类效果越好。

编程实现

下面我们将使用Python语言来实现K-Means聚类算法。

环境准备

首先，我们需要安装必要的库：

pip install numpy matplotlib

编写代码

接下来，我们将编写一个简单的K-Means聚类算法实现。

import numpy as np

class KMeans:
    def __init__(self, K, max_iter=100, tol=1e-4):
        self.K = K
        self.max_iter = max_iter
        self.tol = tol
        self.centroids = None
        self.cluster_assignments = None

    def fit(self, X):
        # 初始化聚类中心
        np.random.shuffle(X)
        self.centroids = X[:self.K]

        for _ in range(self.max_iter):
            # 分配步骤
            distances = np.sqrt(((X - self.centroids[:, np.newaxis])**2).sum(axis=2))
            self.cluster_assignments = np.argmin(distances, axis=0)

            # 更新步骤
            new_centroids = np.array([X[self.cluster_assignments == k].mean(axis=0) for k in range(self.K)])
            if np.linalg.norm(new_centroids - self.centroids) < self.tol:
                break
            self.centroids = new_centroids

    def predict(self, X):
        distances = np.sqrt(((X - self.centroids[:, np.newaxis])**2).sum(axis=2))
        return np.argmin(distances, axis=0)

# 加载数据集
X = np.array([[1.0, 2.0], [1.5, 1.8], [5.0, 8.0], [8.0, 8.0], [1.0, 0.6], [9.0, 11.0], [8.0, 2.0], [10.0, 2.0], [9.0, 1.0]])

# 创建KMeans实例
kmeans = KMeans(K=2)

# 训练模型
kmeans.fit(X)

# 预测簇标签
labels = kmeans.predict(X)

# 打印结果
print("Cluster assignments:", labels)

结果分析

在上面的代码中，我们使用了一个简单的二维数据集进行聚类。运行程序后，你会得到每个数据点的簇标签。通过可视化这些数据点，你可以看到聚类效果。

总结

通过本文，你了解了K-Means聚类算法的基本原理和编程实现。在实际应用中，K-Means聚类算法可以用于各种数据分析任务，例如客户细分、图像分割等。希望本文能帮助你入门K-Means聚类算法，并在未来的数据分析工作中取得更好的成果。

-- 展开阅读全文 --