《數據挖掘導論》實驗課——實驗7、數據挖掘之K-means聚類算法

實驗7、數據挖掘之K-means聚類算法

1、實驗目的

1. 理解K-means聚類算法的基本原理

2. 學會用python實現K-means算法

2、實驗工具

1. Anaconda

2. sklearn

3. matplotlib

3、實驗簡介

1 K-means算法簡介

k-means算法是一種聚類算法，所謂聚類，即根據類似性原則，將具備較高類似度的數據對象劃分至同一類簇，將具備較高相異度的數據對象劃分至不一樣類簇。聚類與分類最大的區別在於，聚類過程爲無監督過程，即待處理數據對象沒有任何先驗知識，而分類過程爲有監督過程，即存在有先驗知識的訓練數據集。

2 K-means算法原理

k-means算法中的k表明類簇個數，means表明類簇內數據對象的均值（這種均值是一種對類簇中心的描述），所以，k-means算法又稱爲k-均值算法。k-means算法是一種基於劃分的聚類算法，以距離做爲數據對象間類似性度量的標準，即數據對象間的距離越小，則它們的類似性越高，則它們越有可能在同一個類簇。數據對象間距離的計算有不少種，k-means算法一般採用歐氏距離來計算數據對象間的距離

4、實驗內容

1. 隨機生成100個數，並對這100個數進行k-mean聚類（k=3,4,5,6)(並用matplot畫圖）

1) 隨機建立100個樣本的二維數據做爲訓練集

2）k=3進行聚類

3）k=4進行聚類

4）k=5 進行聚類

5）k=6進行聚類，並觀察簇分佈

2. 對鳶尾花數據進行K-means算法聚類(並用matplot畫圖）。

5、實驗總結（寫出本次實驗的收穫，遇到的問題等）

經過本次實驗的學習與操做，我掌握了KMeans算法的基本原理，以及使用sklearn方便的進行聚類構造的方法。而且使用matplot畫圖，形象直觀地看出了K=3,4,5時不一樣的簇分佈狀況。