k-means 分群基礎

Python 中的叢集分析

Shaumik Daityari

Business Analyst

為什麼用 k-means 分群？

階層式分群的關鍵缺點：執行時間
K-means 在大型資料集上快很多

步驟 1：產生叢集中心

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

obs: 標準化後的觀測值
k_or_guess: 叢集數
iter: 迭代次數（預設：20）
thres: 閾值（預設：1e-05）
check_finite: 是否檢查觀測值是否全為有限數（預設：True）

回傳兩個物件：叢集中心、distortion

distortion 如何計算？

步驟 2：產生叢集標籤

vq(obs, code_book, check_finite=True)

obs: 標準化後的觀測值
code_book: 叢集中心
check_finite: 是否檢查觀測值是否全為有限數（預設：True）

回傳兩個物件：叢集標籤清單、distortion 清單

關於 distortion 的說明

kmeans 回傳單一的 distortion 值
vq 回傳一組 distortion 清單。

執行 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()

接下來：練習！

Python 中的叢集分析