Python与AI编程（下）-第三节简单聚类示例

在本章的第一个例子中，我们知道鸢尾花的类别，采用监督学习算法对模型进行训练。如果给定一些数据，例如商品评论、球员的过往表现、客户购买商品的信息，我们不知道这些信息究竟应该属于哪一种类别，是否能找到一种方法对这些信息进行处理，将一些相似的对象放在一起，形成某一类别，再对这一类别进行分析。比如，对于这些商品评论，顾客是持正面态度还是负面态度，该球员是善于防守还是善于进攻，该客户是对传统商品还是对新商品更感兴趣等。我们采集到的信息可以有很多项，下面我们将采用一个二维的数据进行聚类方法的说明（易于在二维图形中表示），比如对应球员信息为助攻次数和防守次数两项数据，对应客户购买的商品选择其中购买数量最多的两项。实际上也可以将二维数据推广到多维数据。

在这个例子中，产生一组二维数据，采用k-mean方法进行聚类。聚类算法的核心一般是通过距离来确定的，即通过计算样本数据与聚类中心（一般随机初始化）的距离来判断，如果两者距离最近（最近并不表示很相像，只是在与整个聚类中心的比较中相对更接近一些），则该样本归到这一类，而这个聚类中心也在调整，调整的方向和这一类中的大部分样本接近。我们举个生活中的例子进行说明。假定在一个班里成立兴趣小组，有自然、美术、科学3个小组。现在同学们根据自己的兴趣只能选择一个小组，那么同学们会选择和自己兴趣最接近的小组，这个小组可以看作初始的聚类中心，这些同学是样本数据。随着同学们的加入，假如自然小组中大部分的同学都喜欢植物，那么这个聚类中心就慢慢演化为植物小组。某加入的同学原本喜欢动物和画动物，一开始他选择了自然组，但在聚类中心发生偏移后，他可能就会换成美术组。在这个例子中，希望同学们能够体会到“物以类聚，人与群分”的含义，以及聚类的发生是一种自发的行为，而聚类中心会随着它的成员特点而发生演变，最终成为更具有代表性的中心。

该例子的程序参考http://www.machinelearningtutorial.net/2017/02/15/pythonk-means-clustering/。

-----------------------part 1导入库-----------------------

#导入各种库

from sklearn.datasets.samples_generator import make_blobs

from sklearn.datasets.samples_generator import make_circles

from sklearn.datasets.samples_generator import make_moons

from sklearn.datasets.samples_generator import make_s_curve

import matplotlib.pyplot as plt

from sklearn.cluster import KMeans

----------------------part 2生成数据----------------------

#生成数据并画图，采用make_blobs()函数实现

n=1500

X,y=make_blobs(n_samples=n,

n_features=3,

random_state=42)

plt.scatter(X[:,0],X[:,1])(www.xing528.com)

----------------------part 3进行聚类----------------------

#进行聚类，采用k-mean算法进行聚类，调用KMeans()函数，其中参数n_clusters为聚类中心的个数，即最终数据会被分为几类

kmeans=KMeans(n_clusters=3,random_state=0)

kmeans.fit(X)

plt.scatter(X[:,0],X[:,1],c=kmeans.labels_)

plt.scatter(kmeans.cluster_centers_[:,0],kmeans.cluster_centers_[:,1],s=50,c='yellow')

这样我们就完成了对数据的聚类，上图中用不同颜色表示不同的类别，黄色的点表示聚类中心，可以看出聚类中心处于某一类数据点的重心位置，成为这一类的代表。

小P来总结

利用Python做机器学习，可以暂时不知道每个算法的细节及实现，只专注在解决问题上，通过学习一个实例，掌握其解决问题的过程和步骤，这样同学们在解决新的问题上就能举一反三了。

在使用Python解决机器学习问题时，无须成为一个专业的编程者。掌握了最基本的编程语法，包括数据类型、函数以及面向对象的基础部分，就可以开始解决问题之路。最常用的Python语句是定义合适的数据类型，如列表，然后就是函数的调用。

在解决问题时，一开始也无须成为一名机器学习专家，我们可以慢慢了解不同算法的优点和局限性，但是要掌握如何采用模型解决问题的步骤，特别要注意对模型的校验。在一开始，我们需要掌握的关键步骤包括导入数据（数据准备）、查看数据（数据的个数、属性、分布范围）、建立模型、评估模型算法的优劣、进行预测。

本章小结

本章介绍了人工智能的分支之一——机器学习——的一些应用实例以及Python程序的实现。在这一章请同学们重点掌握建立模型的一般步骤和方法，并能够区分监督学习和无监督学习，能够根据实际问题的特点采用合适的模型和算法，并能够用Python程序实现。

本章习题

请选取UCI数据库中的wine数据集(http://archive.ics.uci.edu/ml/datasets/Wine),用Python程序实现分类。

请完成一个一维/二维随机数的聚类。