使用 K 均值的无监督聚类

简介

在本实验中，我们将探索聚类，这是一种流行的无监督机器学习技术。聚类用于根据数据点的特征或属性将相似的数据点分组在一起，而无需标记的训练数据。有各种聚类算法可供选择，每种算法都有其自身的优缺点。在本实验中，我们将重点关注 k 均值聚类算法。

虚拟机使用提示

虚拟机启动完成后，点击左上角切换到“笔记本”标签，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，随时向 Labby 提问。课程结束后提供反馈，我们将立即为你解决问题。

Skills Graph

导入所需的库

在开始之前，让我们导入本实验所需的库。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans

生成样本数据

接下来，让我们生成一些用于处理的样本数据。我们将使用 sklearn.datasets 模块中的 make_blobs 函数来创建一个带有聚类的合成数据集。

## 生成样本数据
X, y = make_blobs(n_samples=100, centers=4, random_state=0, cluster_std=1.0)

可视化数据

让我们使用散点图来可视化生成的数据。

## 绘制数据点
plt.scatter(X[:, 0], X[:, 1])
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.show()

执行 K 均值聚类

现在，让我们将 K 均值聚类算法应用于数据。

## 执行 K 均值聚类
kmeans = KMeans(n_clusters=4)
kmeans.fit(X)

可视化聚类

让我们可视化由 K 均值算法形成的聚类。

## 获取每个数据点的聚类标签
labels = kmeans.labels_

## 用颜色编码的聚类绘制数据点
plt.scatter(X[:, 0], X[:, 1], c=labels)
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.show()

评估聚类

为了评估聚类结果，我们可以计算聚类的惯性，它表示样本到其最近聚类中心的平方距离之和。

## 计算聚类的惯性
inertia = kmeans.inertia_
print("Inertia:", inertia)

总结

在本实验中，我们探索了 K 均值聚类算法。我们生成了一个合成数据集，对数据执行了 K 均值聚类，并可视化了得到的聚类。我们还计算了聚类的惯性，以此作为聚类性能的一种度量。聚类是一种用于在无标签数据中发现结构的强大技术，可应用于各种领域和类型的数据。