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。
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。