聚类算法Kmeans的工作原理和sklearn实现

聚类算法出现的原因：手里没有标签，也就是没有Y值了，聚类是把相似的东西分为一组。
Kmeans算法输入的参数：

1. 要得到的簇的个数，也就是分成几类，也就是需要指定K值
2. 质心（不需要输入）：各个向量维度取平均值
3. 欧几里得距离。两个点之间的距离。
4. 优化的目标就是，不同的质心与同一个点的距离，谁最近，这个店就属于哪一类。
   Kmeans算法的执行流程
   1.对于两类数据点，首先输入分类的k为2，会随机找到两个点作为质心。
   2 对每个样本点计算欧几里得距离，然后算出属于哪一类
   3 获取第一次迭代的分类结果
   4 对第一次的结果寻找新的质心，重新聚类。
   5 获得第二次的结果
   6 依次不停循环往复，直到质心不再发生变化为止。
   Kmeans算法的优劣性：
   优点：简单快速， 适合常规数据集
   缺点：K值难确定，复杂度与样本呈线性关系，很难发现任意形状的簇。
   
   python实现对鸢尾花数据集进行聚类

from sklearn import datasets  
import pandas  as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeans
iris=datasets.load_iris()
iris_x=iris.data[:,0:2]#z只取前两个维度
iris_x
#绘制数据分布图
plt.scatter(iris_x[:, 0], iris_x[:, 1], c = "green", marker='o', label='see')   
plt.show()

结果如下：

接下来进行聚类：

estimator = KMeans(n_clusters=2)#构造聚类器
estimator.fit(iris_x)
label_pred = estimator.labels_ #获取聚类标签
#绘制k-means结果
x0 = iris_x[label_pred == 0]
x1 = iris_x[label_pred == 1]
plt.scatter(x0[:, 0], x0[:, 1], c = "red", marker='o', label='label0')  
plt.scatter(x1[:, 0], x1[:, 1], c = "green", marker='*', label='label1')   
plt.show()  

聚类后结果如下

聚类的结果评估：
用轮廓系数去评估聚类的结果。
也就是说结果值越接近1，证明样本聚类合理。

from sklearn import metrics
score=metrics.silhouette_score(iris_x,label_pred)
score

结果值为0.46