K-means Python中的聚类

Question

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans


x = [916,684,613,612,593,552,487,484,475,474,438,431,421,418,409,391,389,388,
    380,374,371,369,357,356,340,338,328,317,316,315,313,303,283,257,255,254,245,
    234,232,227,227,222,221,221,219,214,201,200,194,169,155,140]

kmeans = KMeans(n_clusters=4)
a = kmeans.fit(np.reshape(x,(len(x),1)))
centroids = kmeans.cluster_centers_

labels = kmeans.labels_

print(centroids)
print(labels)

colors = ["g.","r.","y.","b."]

for i in range(len(x)):
    plt.plot(x[i], colors[labels[i]], markersize = 10)

plt.scatter(centroids[:, 0], marker = "x", s = 150, linewidths = 5, zorder = 10)
plt.show()

上面的代码显示了4个集群，但它们绝对不是我想拥有的。

我也遇到了错误，这使得它更糟糕。我得到的输出如下图所示。

我得到的错误是：TypeError: scatter() missing 1 required positional argument: 'y'错误不是什么大问题，因为我不喜欢我的东西。

以下是我希望集群输出看起来如何的图像。

Answer 1

您的数据是一维的（一行），如果您希望在帖子中以二维方式可视化，则应使用二维或多维数据，例如[[1,3], [2,3], [1,5]].  在k-means之后，它们被分成k个簇，你可以使用scatter来显示输出。顺便说一下，散射取x和y，散射是二维可视化。

我建议你看一下python数据挖掘工具Orange。你可以通过拖放来做k-means。

可以轻松地显示k-means的输出。

祝你好运！数据挖掘很有趣： - ）

Answer 2

您的数据是1维

不要在没有编制数据的情况下期待一个漂亮的2D图。

要删除警告，您可以设置y=x。但它不会有太大变化，数据将继续成为一维线。

您当然可以添加随机噪声，并将y设置为随机值。但这意味着要制作假数据。

对于一维算法，我建议不使用群集。这些算法专为复杂的多变量数据而设计，您无法再提供良好的统计模型。一维数据可以排序，这允许更高效的算法。您可以轻松地对这些数据执行KDE，并适应数千个统计分布。这将为您提供更有意义的更高统计功效的模型。

通过快速浏览你的情节，我说没有集群。相反，您的数据看起来像是一个偏斜的正态分布，有一个明确的异常值（在此数据集大小中可以预期）给我。请尝试更多统计方法。

Answer 3

由于您只使用一维，因此您应该了解您的计算内容。使用KMeans，您可以提取四个平均值;你可以在这里做的最好的事情是绘制你的数据如下，四条水平线显示这些值。我用下面的代码得到以下图片。这张照片类似于您为2D显示的图片的1D。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans


x = [916,684,613,612,593,552,487,484,475,474,438,431,421,418,409,391,389,388,
    380,374,371,369,357,356,340,338,328,317,316,315,313,303,283,257,255,254,245,
    234,232,227,227,222,221,221,219,214,201,200,194,169,155,140]

kmeans = KMeans(n_clusters=4)
a = kmeans.fit(np.reshape(x,(len(x),1)))
centroids = kmeans.cluster_centers_

labels = kmeans.labels_

print(centroids)
print(labels)

colors = ["g.","r.","y.","b."]

for i in centroids: plt.plot( [0, len(x)-1],[i,i], "k" )
for i in range(len(x)):
    plt.plot(i, x[i], colors[labels[i]], markersize = 10)

plt.show()

使用1D数据计算kmeans对于下面的曲线（来自页面http://lasp.colorado.edu/home/sorce/2013/01/28/the-sorce-mission-celebrates-ten-years/）更有趣，因为您显然可以看到两个不同的平均值：

transit of venus http://lasp.colorado.edu/media/projects/SORCE/images/news_images/Fig_8%20Left_Kopp_vg.jpg