使用sklearn进行K_Means聚类算法

首先附上官网说明 
[http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#examples-using-sklearn-cluster-kmeans]

再附上一篇翻译文档 
http://blog.csdn.net/xiaoyi_zhang/article/details/52269242

再给一个百度上找的例子（侵权删）：

# -*- coding: utf-8 -*-
from sklearn.cluster import KMeans
from sklearn.externals import joblib
import numpy

final = open('c:/test/final.dat' , 'r')

data = [line.strip().split('\t') for line in final]
feature = [[float(x) for x in row[3:]] for row in data]

#调用kmeans类
clf = KMeans(n_clusters=9)
s = clf.fit(feature)
print s

#9个中心
print clf.cluster_centers_

#每个样本所属的簇
print clf.labels_

#用来评估簇的个数是否合适，距离越小说明簇分的越好，选取临界点的簇个数
print clf.inertia_

#进行预测
print clf.predict(feature)

#保存模型
joblib.dump(clf , 'c:/km.pkl')

#载入保存的模型
clf = joblib.load('c:/km.pkl')

'''
#用来评估簇的个数是否合适，距离越小说明簇分的越好，选取临界点的簇个数
for i in range(5,30,1):
    clf = KMeans(n_clusters=i)
    s = clf.fit(feature)
    print i , clf.inertia_
'''

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40

初学者讲解如下： 
参考http://www.cnblogs.com/meelo/p/4272677.html 
sklearn对于所有的机器学习算法有一个一致的接口，一般需要以下几个步骤来进行学习： 
1、初始化分类器，根据不同的算法，需要给出不同的参数，一般所有的参数都有一个默认值。 
 
（1）对于K均值聚类，我们需要给定类别的个数n_cluster，默认值为8； 
（2）max_iter为迭代的次数，这里设置最大迭代次数为300； 
（3）n_init设为10意味着进行10次随机初始化，选择效果最好的一种来作为模型； 
（4） init=’k-means++’ 会由程序自动寻找合适的n_clusters； 
（5）tol：float形，默认值= 1e-4，与inertia结合来确定收敛条件； 
（6）n_jobs：指定计算所用的进程数； 
（7）verbose 参数设定打印求解过程的程度，值越大，细节打印越多； 
（8）copy_x：布尔型，默认值=True。当我们precomputing distances时，将数据中心化会得到更准确的结果。如果把此参数值设为True，则原始数据不会被改变。如果是False，则会直接在原始数据 
上做修改并在函数返回值时将其还原。但是在计算过程中由于有对数据均值的加减运算，所以数据返回后，原始数据和计算前可能会有细小差别。 
属性： 
 
（1）cluster_centers_：向量，[n_clusters, n_features] 
Coordinates of cluster centers (每个簇中心的坐标？？)； 
（2）Labels_:每个点的分类； 
（3）inertia_：float，每个点到其簇的质心的距离之和。 
比如我的某次代码得到结果： 
 
2、对于非监督机器学习，输入的数据是样本的特征，clf.fit(X)就可以把数据输入到分类器里。 
3、用分类器对未知数据进行分类，需要使用的是分类器的predict方法。