柚子快報邀請碼778899分享：聚類 機器學習

http://yzkb.51969.com/

文章目錄

介紹機器學習下的分類K均值算法K值的選取:手肘法用聚類輔助理解營銷數據貼近項目實戰(zhàn)

介紹機器學習下的分類

以下介紹無監(jiān)督學習之聚類 聚類是最常見的無監(jiān)督學習算法。人有歸納和總結的能力，機器也有。聚類就是讓機器把數據集中的樣本按照特征的性質分組，這個過程中沒有標簽的存在。

聚類和監(jiān)督學習中的分類問題有些類似，其主要區(qū)別在于：傳統(tǒng)分類問題“概念化在前”。機器首先是學習概念，然后才能夠做分類、做判斷。

而聚類不同，雖然本質上也是“分類”，但是“概念化在后”或者“不概念化”，在給一堆數據分組時，沒有任何此類、彼類的概念。

聚類也有好幾種算法，K均值(K-means)是其中最常用的一種。

K均值算法

K均值算法是最容易理解的無監(jiān)督學習算法。算法簡單，速度也不差，但需要人工指定K值，也就是分成幾個聚類。具體算法流程如下。

(1)首先確定K的數值，比如5個聚類，也叫5個簇。(2)然后在一大堆數據中隨機挑選K個數據點，作為簇的質心(centroid )。這些隨機質心當然不完美，別著急，它們會慢慢變得完美。(3)遍歷集合中每一個數據點，計算它們與每一個質心的距離(比如歐氏距離)。數據點離哪個質心近，就屬于哪一類。此時初始的K個類別開始形成。(4)這時每一個質心中都聚集了很多數據點，于是質心說，你們來了，我就要“退役”了(這個是偉大的“禪讓制度”啊!)，選一個新的質心吧。然后計算出每一類中最靠近中心的點，作為新的質心。此時新的質心會比原來隨機選的靠譜一些(等會兒用圖展示質心的移動)。(5)重新進行步驟(3)，計算所有數據點和新的質心的距離，在新的質心周圍形成新的簇分配(“吃瓜群眾”隨風飄搖，離誰近就跟誰)。(6)重新進行步驟(4)，繼續(xù)選擇更好的質心(一代一代地“禪讓”下去)。(7)一直重復進行步驟(5)和(6),不斷更新簇中的數據點，不斷找到新的質心，直至收斂。

通過下面這個圖，可以看到聚類中質心的移動和簇形成的過程。

K值的選取:手肘法

直觀的手肘法(elbow method )進行簇的數量的確定。手肘法是基于對聚類效果的一個度量指標來實現的，這個指標也可以視為一種損失。在K值很小的時候，整體損失很大，而隨著K值的增大，損失函數的值會在逐漸收斂之前出現一個拐點。此時的K值就是比較好的值。 大家看下面的圖，損失隨著簇的個數而收斂的曲線有點像只手臂，最佳K值的點像是手肘，因此取名為手肘法。

用聚類輔助理解營銷數據

1.問題定義:為客戶分組 (1)通過這個數據集，理解K均值算法的基本實現流程。 (2)通過K均值算法，給客戶分組，了解每類客戶消費能力的差別。

2.數據讀入

import numpy as np # 導入NumPy

import pandas as pd # 導入pandas

import warnings

warnings.filterwarnings("ignore")

dataset = pd.read_csv('../數據集/Customers Cluster.csv')

dataset.head() # 顯示一些數據

# 只針對兩個特征進行聚類，以方便二維的展示

X= dataset.iloc[:, [2,4]].values

Spending Score:消費分數(歸一化成一個0~1的分數)

3.聚類的擬合 下面嘗試用不同的K值進行聚類的擬合:

from sklearn.cluster import KMeans # 導入聚類模型

cost=[] # 初始化損失(距離)值

for i in range(1,11): # 嘗試不同的K值

kmeans = KMeans(n_clusters= i, init='k-means++', random_state=0)

kmeans.fit(X) # 擬合模型

cost.append(kmeans.inertia_) #inertia_是度量數據點到聚類中心的度量公式

4.繪制手肘圖

import matplotlib.pyplot as plt # 導入Matplotlib

import seaborn as sns # 導入Seaborn

%matplotlib inline

# 繪制手肘圖

plt.plot(range(1,11), cost)

plt.title('The Elbow Method')

plt.xlabel('no of clusters')

plt.ylabel('Cost')

plt.show()

從手肘圖上判斷，肘部數字大概是3或4，我們選擇4作為聚類個數

# 構建聚類模型

kmeansmodel = KMeans(n_clusters= 4, init='k-means++') # 選擇4作為聚類個數

y_kmeans= kmeansmodel.fit_predict(X) # 進行聚類的擬合和分類

5.把分好的聚類可視化

# 把分好的聚類可視化

plt.scatter(X[y_kmeans == 0, 0], X[y_kmeans == 0, 1], s = 100, c = 'red', label = 'Cluster 1')

plt.scatter(X[y_kmeans == 1, 0], X[y_kmeans == 1, 1], s = 100, c = 'blue', label = 'Cluster 2')

plt.scatter(X[y_kmeans == 2, 0], X[y_kmeans == 2, 1], s = 100, c = 'green', label = 'Cluster 3')

plt.scatter(X[y_kmeans == 3, 0], X[y_kmeans == 3, 1], s = 100, c = 'cyan', label = 'Cluster 4')

# plt.scatter(X[y_kmeans == 4, 0], X[y_kmeans == 4, 1], s = 100, c = 'magenta', label = 'Cluster 5')

plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s = 300, c = 'yellow', label = 'Centroids')

plt.title('Clusters of customers')

plt.xlabel('Age')

plt.ylabel('Spending Score')

plt.legend()

plt.show()

這個客戶的聚類問題就解決了。其中，黃色高亮的大點是聚類的質心，可以看到算法中的質心并不止一個。

貼近項目實戰(zhàn)

可見 Python綜合數據分析_RFM用戶分組模型

學習機器學習的參考資料： （1）書籍 利用Python進行數據分析 西瓜書 百面機器學習 機器學習實戰(zhàn) 阿里云天池大賽賽題解析(機器學習篇) 白話機器學習中的數學 零基礎學機器學習 圖解機器學習算法 …

（2）機構 光環(huán)大數據 開課吧 極客時間 七月在線 深度之眼 貪心學院 拉勾教育 博學谷 …

柚子快報邀請碼778899分享：聚類 機器學習

http://yzkb.51969.com/

相關文章