企业官网建设流程全解析

目录

一、概念

二、聚类算法分类

1.根据聚类颗粒度分类

2.实现方式

三、质心 和 簇

第一步 ->

第二步 ->

第三步 ->

第四步 ->

代码案例

1.创建数据集

2.绘制散点图

3.使用K-means 聚类

4.聚类后 看散点图

5.模型评估

一、概念

无监督学习 （有特征，无标签）

聚类算法是一类无监督学习方法，在讲数据划分为若干组（簇），使得同一簇内的样本相似度搞，而不同簇间的样本差异大。

根据样本之间的相识性，讲样本划分到不同的类别中，不同的相似度计算方法，会得到不同的聚类结果。常用相似度欧式距离法计算

聚类算法的目的是在没有先验知识的情况下，自动发现数据集中的内在结构和模式。

实际应用：

用户画像，广告推荐，搜索引擎的流量推荐，恶意流量识别。

基于位置信息的商业推送，新闻聚类，筛选排序。（LBS的信息推送）

图像分割，降维，识别。 离群点检测，信用卡异常消费。 发掘相同功能的基因片段。

二、聚类算法分类

1.根据聚类颗粒度分类

粗聚类、细聚类

2.实现方式

基于划分的聚类：K-means算法->按照质心（一个簇的中心位置，通过均值计算）分类

基于层次的聚类：DIANA（自顶向下）AGNES（自底向上）

基于密度的聚类：DBSCAN算法

等

三、质心 和 簇

第一步 ->

初始化 分簇 假设分为两个簇，给两个质心点。

初始化质心点的时候，可以是原始数据中的某一个点

第二步 ->

计算距离分簇

每个样本和不同的质心点计算距离，离它最近的那个，就是属于那个簇。

每个样本都计算和质心点的距离。

第三步 ->

计算完距离后，分了两个簇

接下来，在簇内，计算每个样本的x和y的平均值，找新的质心点，新的质心点的位置，

同簇内（x平均值，y平均值）

注意：新的质心点，不一定是样本点。（极低概率是样本点）

第四步 ->

计算产生新的质心点后，所有的样本再算距离新质心点的距离，重新分簇。

！什么时候停止？即什么时候聚类结束？

如果计算出来的质心点的位置和上一次质心点的位置一致。即停止聚类。

代码案例

1.创建数据集

from sklearn.datasets import make_blobs #造数据

# 1.创建数据集 ''' 参数1：样本数据 参数2：每个样本的特征数量（维度） 参数3：聚类中心坐标，设置4个质心点 (随便给) 参数4: 标准差（cluster_std），就是控制每一类数据的 “散开程度” 标准差越小 → 数据越集中、紧凑 标准差越大 → 数据越分散、松散 第 1 类：散得更开（std=0.4）第 2、3、4 类：更紧凑（std=0.2） 参数5: 随机种子 return x,y x: 一个二维的数据集 numpy.ndarray类型 [[ 1.23888592 1.13588028] [-0.56002843 1.14623716] [-1.35573954 1.25321833] ... ]] y:一个维数 集合 {0..3}.. 为什么是0-3 因为centers 用了4个质心点 也就是4个簇 ''' x,y = make_blobs(n_samples=1000, n_features=2, centers=[[-1,1],[0,0],[1,1],[2,2]], cluster_std=[0.4,0.2,0.2,0.2], random_state=444)

2.绘制散点图

# 2.绘制散点图 plt.figure() plt.scatter(x[:,0],x[:,1]) plt.show()

3.使用K-means 聚类

from sklearn.cluster import KMeans #聚类算法

# 3.使用KM 进行聚类 y_pred = KMeans(n_clusters=4).fit_predict(x)

4.聚类后 看散点图

# 4.给颜色，再看散点图 plt.scatter(x[:,0],x[:,1],c=y_pred) #用每个点来分配颜色 plt.show()

5.模型评估

#5 模型评估 # 簇 内越小越好，簇 间 越大越好 print(calinski_harabasz_score(x,y_pred))