機(jī)器知識(shí)學(xué)習(xí)聚類算法實(shí)現(xiàn)

1、人工智能與機(jī)器學(xué)習(xí)實(shí)驗(yàn)報(bào)告年級(jí)XXXX 班專業(yè)XXXXX學(xué)號(hào)6315070301XXgllh姓名日期2018-5-12實(shí)驗(yàn)五聚類算法實(shí)現(xiàn)、實(shí)驗(yàn)?zāi)康?、了解常用聚類算法及其優(yōu)缺點(diǎn)2、掌握k-means聚類算法對(duì)數(shù)據(jù)進(jìn)行聚類分析的基本原理和劃分方法3、利用k-means聚類算法對(duì)已知數(shù)據(jù)集進(jìn)行聚類分析實(shí)驗(yàn)類型：驗(yàn)證性 計(jì)劃課間：4學(xué)時(shí)、實(shí)驗(yàn)內(nèi)容1、利用python的sklearn庫(kù)函數(shù)對(duì)給定的數(shù)據(jù)集進(jìn)行聚類分析2、分析k-means算法的實(shí)現(xiàn)流程3、根據(jù)算法描述編程實(shí)現(xiàn)，調(diào)試運(yùn)行4、對(duì)所給數(shù)據(jù)集進(jìn)行驗(yàn)證，得到分析結(jié)果、實(shí)驗(yàn)步驟1、k-means算法原理2、k-means算法流程3、k-means

2、算法實(shí)現(xiàn)4、對(duì)已知數(shù)據(jù)集進(jìn)行分析四、實(shí)驗(yàn)結(jié)果分析1.利用python的skiearn庫(kù)函數(shù)對(duì)給定的數(shù)據(jù)集進(jìn)行聚類分析其中數(shù)據(jù)集選取iris鳶尾花數(shù)據(jù)集import numpy as np from skiearn.datasets import ioad_iris iris = ioad_iris() def dist(x,y):return sum(x*y)/(sum(x*2)*sum(y*2)*0.5 def K_means(data=iris.data,k=3,ping=0,maxiter=100):n, m = data.shapecenters = data:k,:whiie pin

3、g ea；汕b 二塾0）咗禺Th RatT：，* L ；.了口二歸* teitkpy* 二CEnters_riew = tip. HerostK,m -ur 1 if； rarifieCk):index = disf;=icfn ters iic-w| : = np.fne-dri(data index: ,axis=fiLRunningLie.99947319 |e.9gMW14 le.993515 0.99.808&36If)-9*3990 祐呂le.999W661H.即陽(yáng)磚佃ie.9!)eKii4|e,9W414620.9Ql62m10.996/8141IG.9M46SSS|0,9939

4、49210.9949/910 99951304le.鄧4枷1pj/thcin *c : UsersAtSiiiiniitraLorleskLuptextlp2J0.899162690”911,50,6e.9B0951670.9158438e.8965185 a抄e. 9&36330-1fl.9074H7Bfl0.9r，B636J0.!)1224MS0.9ReM31Se.yi29uuei0.9的觥丿bPe.SGe79341.SZh15910.8a740142e.882ed570.959493520.卿0.99962340,99979399fl.QQH5?fta50.996516680.購(gòu)寶e,9

5、9954670.9992669i0.999495/0.99Be355S0.99&640350.996J?410.997426780.9914851? 22. 使用自己的數(shù)據(jù)集進(jìn)行聚類分析并進(jìn)行可視化# -*- coding: utf-8 -*- import numpy as np import pan das as pd from sklear n. cluster import Birch from sklear n. cluster import KMea ns from matplotlib import pyplot as plt from matplotlib.font_manag

6、er import FontProperties df = pd.read_csv(fa.csv,encoding = utf-8)X = dfheight,weight.values clf = KMeans(n_clusters=2) y_pred = clf.fit_predict(X) print(clf) print(y_pred) x = n0 for n in X print (x) y = n1 for n in X print (y) plt.scatter(x, y, c=y_pred, marker=o) plt.title(K-means Boy/Girl-height

7、-weight Data) plt.xlabel(Height/cm) plt.ylabel(Weight/kg) plt.legend(Position) plt.show()本數(shù)據(jù)集使用男性女性身高體重?cái)?shù)據(jù)集,k值為2，就是講數(shù)據(jù)聚合為2類，看身高體重分布結(jié)果。說(shuō) 怙上知一 Visual Hudi&Lodti立怏二茱嘟曰塗空吉=何詩(shī)!)2-(? r!Ss k V m i m-l * r . -B .ri/苗.百辰？69 4.&7774 p-即事匪 1, 1.uEmI EcI p/Thih Lhrs,Ajltln b -it r-JTrDf- -i kt epS? L1 . py從此次實(shí)驗(yàn)看

8、出，聚類數(shù)據(jù)集必須可以分類才能使用此算法，否則就會(huì)產(chǎn)生如下結(jié)果:IB 3.2 -C.Q -OlQil *=gOLALO此數(shù)據(jù)集為UCI香水?dāng)?shù)據(jù)，無(wú)法進(jìn)行聚類分析:ni m a :?tnNachine Learning RepositoryeL3*jmw 30、9水鱷數(shù)據(jù)康.-rB!迸乙Si烏二仝二*冃+叱J I . - *5附,iHSUik .aae 二込ura：M出*!s陀昨：玉M逛衽：iHEJfllX?上匕IJE仔旺：-尹TW耳二垃m:磚-肌-KAflLi應(yīng)*rr *. E中亙?八 匝十SiK s昌L卜禮*Mb範(fàn)話：&17c2nEi2：t3:1 rtS：E3-須：F.!.- KiRI !活

9、盂.AMa 4.賊 H n T Srt ：.(i,ii FfL iJiTrrrHfJfiSHS 槨總：曬翩：towKJwii. 7jrca-a* 3耳h?9 衛(wèi) r ai;11霽空僵勲a曲矍字希航11 OM CMW3B 1扯20忡疋同1甘、書K癥 S鞍嚼水e活孚Ji -啪罰二 Z .釣電.咼- iiiwi論.Um* . . SmH，川ipd.皆空i m嚀宀v 莎伽帚 TT瑪H二寧 osiehfjeK. vq .心. ou#_nT鈕!i.-體共悄咒：5EA5 -piRdiOF or EScEjoci .? rnl 1 . Dp 刃 M乜3CQJ也冃-fli =1-KAPLlK氏k BASTAjq

10、歸鼻卡壬豈OH胃壬口罟警KQSiQM也 養(yǎng)占熙實(shí)二飛WEL ：驊*出皀的叫I*査務(wù)S忻 童丙爭(zhēng)耳寫空占叮滿町*壽門產(chǎn)盤嚴(yán)1嚴(yán) 珂S密罷噸罔活S曲?=：?品?；苫_ 117 f J ? . P?fi7期乞3 如1_1比f(wàn)iaEim 屮純h. 37 左址學(xué)口 37*7匕用口曲聲 職簾=?1*| 叫tj吐Tfi案I 就xiM. s手遷*羈1氓博爛-十FUth弟.Sf i. 憶 11 M -dyflaOGiz,五、實(shí)驗(yàn)心得通過(guò)這次實(shí)驗(yàn)，使用K-means算法對(duì)數(shù)據(jù)集進(jìn)行聚類分析，了解了算法的過(guò)程,首先選擇K個(gè)點(diǎn)作為初始質(zhì)心，之后進(jìn)行重復(fù)并將每個(gè)點(diǎn)指派到最近的質(zhì)心，形成K個(gè)簇后重新計(jì)算每個(gè)簇的質(zhì)心直到簇不發(fā)生變化或達(dá)到最大迭代次數(shù)為止，首先我們要直到有 多少種分類，選擇K個(gè)初始質(zhì)心，其中K是指定的參數(shù)，即所期望的簇的個(gè)數(shù)。這樣做的 前提是我們已經(jīng)知道數(shù)據(jù)集中包含多少個(gè)簇，但很多情況下，我們并不知道數(shù)據(jù)的分布情 況，實(shí)際上聚類就是我們發(fā)現(xiàn)數(shù)據(jù)分布的一種手段，之后質(zhì)心的選取