Python与机器学习（第2版）（微课版） 课件 5-03-K-Means聚类分析任务实施

课程负责人：陈清华K-Means聚类分析任务实施【数据挖掘应用】课程观影用户聚类分析会使用sklearn包中的K-Means实现聚类分析应用

重点：阿里云大数据分析与应用中级5.2.3会调整K-Menas聚类分析模型的参数实现分类效果的优化

难点：大数据工程技术人员国家职业技能标准中级6.3.2会使用评估指标对K-Menas聚类分析结果进行评价能力目标证岗主要内容任务工单引导问题任务评价标准任务解决方案代码解析使用K-Means对观影用户进行聚类质心个数教学难点基于前续任务得到的数据，即质心个数，使用K-Means算法实现观影用户的聚类，并区分两个算法的异同。任务概述

任务描述：基于得到的K值，使用K-Means算法实现聚类分析。010010011001101010100100110110100101110101000100001011011101001010101101010011010010任务工单

任务要求任务概述最后结果前续任务的结果：k=3模型评估：不同K值（1）K-Means与DBSCAN聚类方法有何本质上的异同？试结合该应用说明其中的原理。（2）K-Means聚类分析方法在sklearn中是如何实现的？有哪些重要参数会对本任务的分类结果产生重要影响？（3）如何比较两种不同聚类方法的优劣？有哪些关键指标？”

问题引导：任务概述

任务评价：任务概述评价内容评价要点分值分数评定自我评价1.任务实施数据读取与展现1分数据读取与可视化显示正确得1分

模型初始化2分第三方包导入正确得1分，模型构建正确得1分

模型训练与优化2分模型训练能顺利执行得1分，会参数调优得1分

2.效果评估聚类预测与可视化3分能正确展现聚类结果得3分

3.任务总结依据任务实施情况总结结论2分总结内容切中本任务的重点要点得1分，能有效比较方法异同得1分

合计10分

任务解决方案

一、模型训练过程1、初始化分类器2、拟合fit3、预测predict4、准确性评估from

sklearn.cluster

import

KMeans#数据存储在data变量中

num_clusters=3

kmeans=KMeans(

n_clusters=num_clusters,)

kmeans.fit(data)任务解决方案

二、模型可视化#分类结果step_size=0.01x_values,y_values=np.meshgrid(np.arange(x_min,x_max,step_size),np.arange(y_min,y_max,step_size))predicted_labels

=kmeans.predict(np.c_[x_values.ravel(),y_values.ravel()])

predicted_labels=predicted_labels.reshape(x_values.shape)#可视化plt.figure()

plt.clf()

plt.imshow(predicted_labels,interpolation='nearest’,extent=(x_values.min(),x_values.max(),y_values.min(),y_values.max()),cmap=plt.cm.Spectral,aspect='auto',origin='lower')任务解决方案

二、模型可视化#显示质心

centroids=kmeans.cluster_centers_plt.scatter(centroids[:,0],centroids[:,1],marker='o',s=200,linewidths=3,color='k',zorder=10,facecolors='black’,edgecolors='white',alpha=0.9)任务解决方案

三、KMeans()参数调整num_clusters=2

kmeans=KMeans(init='K-Means++',n_clusters=num_clusters,n_init=10)

kmeans.fit(data)

n_init=1max_iter=10任务解决方案

四、K值的评估fromsklearnimportmetrics#计算Calinski-Harabasz分数值，Calinski-Harabasz分数值越大，则聚类效果越好metrics.calinski_harabaz_score(X,y_pred)70.238679616405246.900843034