k-means 聚类基础

Python 中的聚类分析

Shaumik Daityari

Business Analyst

为何使用 k-means 聚类？

层次聚类的关键缺点：运行时间
K-means 在大数据集上快得多

步骤 1：生成簇中心

kmeans(obs, k_or_guess, iter, thresh, check_finite)

obs：标准化观测值
k_or_guess：簇数
iter：迭代次数（默认：20）
thres：阈值（默认：1e-05）
check_finite：是否检查观测值均为有限数（默认：True）

返回两个对象：簇中心、总体畸变

畸变如何计算？

步骤 2：生成簇标签

vq(obs, code_book, check_finite=True)

obs：标准化观测值
code_book：簇中心
check_finite：是否检查观测值均为有限数（默认：True）

返回两个对象：簇标签列表、各点畸变列表

关于畸变的说明

kmeans 返回单个畸变值
vq 返回畸变列表

运行 k-means

# Import kmeans and vq functions
from scipy.cluster.vq import kmeans, vq

# Generate cluster centers and labels
cluster_centers, _ = kmeans(df[['scaled_x', 'scaled_y']], 3)
df['cluster_labels'], _ = vq(df[['scaled_x', 'scaled_y']], cluster_centers)

# Plot clusters
sns.scatterplot(x='scaled_x', y='scaled_y', hue='cluster_labels', data=df)
plt.show()

接下来：练习！

Python 中的聚类分析