当前位置：首页 > news >正文

机器学习第12天：聚类

news 2025/8/12 20:31:53

文章目录

机器学习专栏

无监督学习介绍

聚类

K-Means

使用方法

实例演示

代码解析

绘制决策边界

本章总结

机器学习专栏

机器学习_Nowl的博客-CSDN博客

无监督学习介绍

某位著名计算机科学家有句话：“如果智能是蛋糕，无监督学习将是蛋糕本体，有监督学习是蛋糕上的糖霜，强化学习是蛋糕上的樱桃”

现在的人工智能大多数应用有监督学习，但无监督学习的世界也是广阔的，因为如今大部分的数据都是没有标签的

上一篇文章讲到的降维就是一种无监督学习技术，我们将在本章介绍聚类

聚类

聚类是指发现数据集中集群的共同点，在没有人为标注的情况下将数据集区分为指定数量的类别

K-Means

K-Means是一种简单的聚类算法。能快速，高效地对数据集进行聚类

使用方法

from sklearn.cluster import KMeansmodel = KMeans(n_clusters=3)
model.fit(data)

这段代码导入了KMeans机器学习库，指定模型将数据划分为三类

实例演示

import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt# 生成一些随机数据作为示例
np.random.seed(42)
data = np.random.rand(100, 2)  # 100个数据点，每个点有两个特征# 指定要分成的簇数（可以根据实际情况调整）
num_clusters = 3# 使用KMeans算法进行聚类
kmeans = KMeans(n_clusters=num_clusters)
kmeans.fit(data)# 获取每个数据点的所属簇标签
labels = kmeans.labels_# 获取每个簇的中心点
centroids = kmeans.cluster_centers_print(centroids)
# # 可视化结果
for i in range(num_clusters):cluster_points = data[labels == i]plt.scatter(cluster_points[:, 0], cluster_points[:, 1], label=f'Cluster {i + 1}')# 绘制簇中心点
plt.scatter(centroids[:, 0], centroids[:, 1], marker='X', s=200, color='red', label='Centroids')plt.scatter(centroids[0][0], centroids[0][1])plt.title('K-means Clustering')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.legend(loc='upper right')
plt.show()

代码解析

导入必要的库： 导入NumPy用于生成随机数据，导入KMeans类从scikit-learn中进行K-means聚类，导入matplotlib.pyplot用于可视化。
生成随机数据： 使用NumPy生成一个包含100个数据点的二维数组，每个数据点有两个特征。
指定簇的数量： 将num_clusters设置为希望的簇数，这里设置为3。
应用K-means算法： 创建KMeans对象，指定簇的数量，然后使用fit方法拟合数据。模型训练完成后，每个数据点将被分配到一个簇，并且簇中心点将被计算。
获取簇标签和中心点： 使用labels_属性获取每个数据点的簇标签，使用cluster_centers_属性获取每个簇的中心点。
可视化聚类结果： 使用循环遍历每个簇，绘制簇中的数据点。然后，使用scatter函数绘制簇中心点，并为图添加标题、轴标签和图例。
显示图形： 最后，使用show方法显示可视化结果

绘制决策边界

我们使用网格坐标和predict方法生成决策边界，然后使用contour函数在图上绘制边界。

主要代码

import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt# 生成一些随机数据作为示例
np.random.seed(42)
data = np.random.rand(100, 2)  # 100个数据点，每个点有两个特征# 指定要分成的簇数（可以根据实际情况调整）
num_clusters = 3# 使用KMeans算法进行聚类
kmeans = KMeans(n_clusters=num_clusters)
kmeans.fit(data)# 获取每个数据点的所属簇标签
labels = kmeans.labels_# 获取每个簇的中心点
centroids = kmeans.cluster_centers_# 可视化结果，包括决策边界
for i in range(num_clusters):cluster_points = data[labels == i]plt.scatter(cluster_points[:, 0], cluster_points[:, 1], label=f'Cluster {i + 1}')# 绘制簇中心点
plt.scatter(centroids[:, 0], centroids[:, 1], marker='X', s=200, color='red', label='Centroids')# 绘制决策边界
h = 0.02  # 步长
x_min, x_max = data[:, 0].min() - 1, data[:, 0].max() + 1
y_min, y_max = data[:, 1].min() - 1, data[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))
Z = kmeans.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)plt.contour(xx, yy, Z, colors='gray', linewidths=1, alpha=0.5)  # 绘制决策边界plt.title('K-means Clustering with Decision Boundaries')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.legend()
plt.show()