sklearn Kmeans详解

K-Means 是一种聚类算法，它将数据集分成 K 个不同的簇，每个簇都包含具有相似特征的数据点。在 K-Means 算法中，每个簇的质心是该簇中所有点的平均值。

在 Scikit-learn 中，K-Means 算法可以使用 KMeans 类来实现。下面是使用 KMeans 类执行 K-Means 算法的步骤：

1. 导入 KMeans 类

   from sklearn.cluster import KMeans

2. 创建 KMeans 类对象

   kmeans = KMeans(n_clusters=3, init='k-means++', max_iter=300, n_init=10, random_state=0)

参数说明：

- n_clusters：要分成的簇的数量。
- init：初始化方法。默认值为 'k-means++'。其他选项包括 'random' 和 ndarray。
- max_iter：最大迭代次数。默认值为 300。
- n_init：执行 K-Means 算法的次数。默认值为 10。
- random_state：随机种子。

3. 训练模型

   kmeans.fit(X)

参数 X 是包含数据的特征矩阵。

4. 预测簇

   kmeans.predict(X)

预测每个数据点所属的簇。

5. 获取质心

   kmeans.cluster_centers_

获取每个簇的质心。

6. 获取 SSE 值

   kmeans.inertia_

获取 SSE（Sum of Squared Errors）值，该值越小，表示聚类效果越好。

7. 可视化结果

将数据点和质心绘制到图表中，以便更好地理解聚类结果。

完整的代码示例：

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

# 生成数据
X = np.array([[5,3], [10,15], [15,12], [24,10], [30,45], [85,70], [71,80], [60,78], [55,52], [80,91],])

# 创建 KMeans 类对象
kmeans = KMeans(n_clusters=2)
kmeans.fit(X)

# 预测簇
y_kmeans = kmeans.predict(X)

# 获取质心
centroids = kmeans.cluster_centers_

# 获取 SSE 值
sse = kmeans.inertia_

# 可视化结果
plt.scatter(X[:,0], X[:,1], s=100, c=y_kmeans)
plt.scatter(centroids[:,0], centroids[:,1], marker='*', s=300, c='red')
plt.title('KMeans Clustering')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

输出结果：