KMeans算法实战：啤酒数据聚类分析.pdfVIP

kmeans算法实战

简单聚类

数据集为20个酒啤酒，酒的属性包括：calories（卡路里）、sodium（钠）、alcohol（）、

cost（成本）。我们不需要y，所以我们只需要设置X即可：

X=啤酒[[卡路里,钠含量,度,价格]]

我们创建两个kmeans模型，聚类簇数分别设置为3和2。

从sklearn.cluster导入KMeans

km=KMeans(n_clusters3).拟合(X)km

2=KMeans(n_clusters2).拟合(X)

_

.labels属性可以表示所有数据所属的簇：

array([0,0,0,0,0,0,0,0,1,1,0,1,0,0,0,2,0,0,2,1])

第一个数据属于第0个类别...

我们聚类后的数据是否符合实际情况：

kmeans算法实战

简单聚类

数据集为20个酒啤酒，酒的属性包括：calories（卡路里）、sodium（钠）、alcohol（）、cost

我们不需要y，所以我们只需要设置X就可以：

Xbeer[[calories,sodium,alcohol,cost]]

我们创建两个kmeans模型，聚类簇数分别设置为3和2。

fromsklearn.clusterimportKMeans

km=KMeans(n_clusters3).fit(X)

km2KMeans(n_clusters2).fit(X)

.labels_属性可以表示所有数据所属的簇：

array([0,0,0,0,0,0,0,0,1,1,0,1,0,0,0,2,0,0,2,1])

第一个数据属于第0个类别...

我们可以聚类后的数据是不是符合实际情况：

我们还可以观察对应聚类的数据差异：

啤酒.分组依据(cluster).平均值()

这样可以看到每个类别对应的数据差异。

我们还可以观察对应聚类的数据差异：

beer.groupby(cluster).mean()

这样可以看到每个类对应的数据差异。

接下来我们绘制聚类后的数据，并同时画出每个类的特征均值（下面仅绘制两个特征：Calories和Alcohol）:

centersbeer.groupby(cluster).mean().reset_index()%matplotlibinlineimport

matplotlib.pyplotaspltplt.rcParams[font.size]=14importnumpyasnpcolors=

np.array([red,green,blue,yellow])plt.scatter(beer[calories],beer[alcohol],c=

colors[beer[cluster]])

plt.散点图(centers。卡路里，。，线宽3，标记+，点的大小300，颜色black)

plt.xlabel(卡路里)

plt.ylabel()

从图中可以发现有三类数据，最左边只有两个样本，中间有四个样本，最右边的类样本最多。多。

这里我们只看到两类特征，我们想查看所有的两两特征，就可以画一个