python数据分析(7)——挖掘建模(2)聚类分析

python小能手

发布日期: 2019-01-01 22:31:44 浏览量: 1209
评分:
star star star star star star star star star star
*转载请注明来自write-bug.com

1. 常用聚类分析算法

聚类分析建模原理

常用聚类方法


常用聚类分析算法

2. K-Means聚类算法

2.1 算法过程

K-Means算法的计算步骤取得k个初始质心:

  • 从数据中随机抽取k个点作为初始聚类的中心,来代表各个类把每个点划分进相应的类;
  • 根据欧式距离最小原则,把每个点划分进距离最近的类中重新计算质心;
  • 根据均值等方法,重新计算每个类的质心迭代计算质心;
  • 重复第二步和第三步,迭代计算聚类完成;
  • 聚类中心不再发生移动

2.2 代码

  1. #-*- coding: utf-8 -*-
  2. #使用K-Means算法聚类消费行为特征数据
  3. import pandas as pd
  4. #参数初始化
  5. inputfile = 'consumption_data.xls' #销量及其他属性数据
  6. outputfile = 'data_type.xls' #保存结果的文件名
  7. k = 3 #聚类的类别
  8. iteration = 500 #聚类最大循环次数
  9. data = pd.read_excel(inputfile, index_col = 'Id') #读取数据
  10. data_zs = 1.0*(data - data.mean())/data.std() #数据标准化
  11. from sklearn.cluster import KMeans
  12. model = KMeans(n_clusters = k, n_jobs = 4, max_iter = iteration) #分为k类,并发数4
  13. model.fit(data_zs) #开始聚类
  14. #简单打印结果
  15. r1 = pd.Series(model.labels_).value_counts() #统计各个类别的数目
  16. r2 = pd.DataFrame(model.cluster_centers_) #找出聚类中心
  17. r = pd.concat([r2, r1], axis = 1) #横向连接(0是纵向),得到聚类中心对应的类别下的数目
  18. r.columns = list(data.columns) + [u'类别数目'] #重命名表头
  19. print(r)
  20. #详细输出原始数据及其类别
  21. r = pd.concat([data, pd.Series(model.labels_, index = data.index)], axis = 1) #详细输出每个样本对应的类别
  22. r.columns = list(data.columns) + [u'聚类类别'] #重命名表头
  23. r.to_excel(outputfile) #保存结果
  24. def density_plot(data): #自定义作图函数
  25. import matplotlib.pyplot as plt
  26. plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
  27. plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
  28. p = data.plot(kind='kde', linewidth = 2, subplots = True, sharex = False)
  29. [p[i].set_ylabel(u'密度') for i in range(k)]
  30. plt.legend()
  31. return plt
  32. pic_output = 'pd_' #概率密度图文件名前缀
  33. for i in range(k):
  34. density_plot(data[r[u'聚类类别']==i]).savefig(u'%s%s.png' %(pic_output, i))

分群1的概率密度函数图

分群2的概率密度函数图

分群3的概率密度函数图

2.3 用TSNE进行数据降维并展示聚类结果

  1. #-*- coding: utf-8 -*-
  2. #接k_means.py
  3. from sklearn.manifold import TSNE
  4. tsne = TSNE()
  5. tsne.fit_transform(data_zs) #进行数据降维
  6. tsne = pd.DataFrame(tsne.embedding_, index = data_zs.index) #转换数据格式
  7. import matplotlib.pyplot as plt
  8. plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
  9. plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
  10. #不同类别用不同颜色和样式绘图
  11. d = tsne[r[u'聚类类别'] == 0]
  12. plt.plot(d[0], d[1], 'r.')
  13. d = tsne[r[u'聚类类别'] == 1]
  14. plt.plot(d[0], d[1], 'go')
  15. d = tsne[r[u'聚类类别'] == 2]
  16. plt.plot(d[0], d[1], 'b*')
  17. plt.show()

上传的附件 cloud_download consumption_data.xls ( 78.34kb, 20次下载 ) cloud_download k_means.py ( 1.78kb, 12次下载 ) cloud_download tsne.py ( 0.65kb, 10次下载 )

发送私信

学习python,勤学勤练,永不放弃

13
文章数
3
评论数
eject