机器学习1.5 kmeans-最优参数模型的Dataframe+提取误差平方和tol最小一行的信息+折线图
文章目录
- 基操：准备数据，准备模型，查看属性
- 最优参数模型（画出迭代的Dataframe）
- 在Dataframe里面找到最优的tol（误差平方和），以及该行的其他参数（innertia，n_clusters,max_iter）
- 画出折线图
- 全文代码
- 手写笔记
- 复习代码精简版
基操：准备数据，准备模型，查看属性
import pandas as pd
from sklearn.cluster import KMeans 1、准备数据集data=pd.read_csv(r'basketball.csv') #data=pd.read_csv('basketball.csv')也可以
data.head()data.shape2、Kmeans聚类KMeans?#KMeans？可以看到默认参数# 1.准备模型
km = KMeans(n_clusters=8, max_iter=300, tol=0.0001)#默认值不写也可以# 2.训练模型
km.fit(data)3、查看属性# 1.质心
km.cluster_centers_# 2.属于哪个簇
km.labels_# 3.误差平方和
km.inertia_最优参数模型（画出迭代的Dataframe）
import pandas as pd
from sklearn.cluster import KMeans 1、准备数据集data=pd.read_csv(r'basketball.csv') #data=pd.read_csv('basketball.csv')也可以
data.head()data.shape2、Kmeans聚类KMeans?#KMeans？可以看到默认参数df=pd.DataFrame(columns=["i","j","tol","差平方和"])df.loc[0,:]=(1,2,3,4)dfcluster = [2, 3, 4]
km_iter = [300, 350, ..]
tol?for i in cluster:for j in km_iter:for m in tol:km = KMeans(n_clusters=i, max_iter=j, tol=m)km.fit(data)km.inertia_# 1.准备模型
km = KMeans(n_clusters=8, max_iter=300, tol=0.0001)#默认值不写也可以# 2.训练模型
km.fit(data)3、查看属性# 1.质心
km.cluster_centers_# 2.属于哪个簇
km.labels_# 3.误差平方和
km.inertia_#### 最优模型km = KMeans(n_clusters=8, max_iter=300, tol=0.0001)tol_lst=[m*0.1*1e-4 for m in range(2,10,1)]
tol_lst#cluster = list(range(2,10,1))
#cluster#list(range(300,601,50))result=[]
for n_clusters in range(2,10,1): #k的个数取2 3 4 5 6 7 8 9 for max_iter in range(300,601,50): #最大迭代步骤取300 350 400 。。。600for tol in range(2,10): #误差取2到9，下面乘以10^-5tol=tol*1e-5km=KMeans(n_clusters=n_clusters,max_iter=max_iter,tol=tol*1e-5) km.fit(data)d={'n_clusters':n_clusters,'max_iter':max_iter,'tol':tol,'inertia':km.inertia_}result.append(d)resultpd.DataFrame(result)#转换成Dataframe更直观在Dataframe里面找到最优的tol（误差平方和），以及该行的其他参数（innertia，n_clusters,max_iter）
1，找到Dataframe里inertia这一列中的最小值：argmin（）
result_df('inertia').argmin()
返回395，也就是说第395行（索引标号）的inertia最小
2,用.iloc[ , ]根据索引标号找出所需的那一行(,前面是行索引，后面是列索引，不要列用：表示)
result_df.iloc[result_df('inertia').argmin(),:]
3，一行数据就是一个series,可以使用type()查看数据类型
r = result_df.iloc[result_df('inertia').argmin(),:]
type(r)
4,返回值的代码
n_clusters = r['n_clusters']
n_clusters
画出折线图
1，保存n_clusters、误差平方和，先建立两个列表
x = []#放k值n_cluster
y = []#放误差平方和inertia
2,循环打印出k=[2,20), 用for XXX in range( , ):
（注：5000条数据以下一般不超过10个簇，5000以上不超过20个）
for n_clusters in range(2,20):print(n_clusters)
3,准备模型（公式）
km=KMeans(三个参数n_clusters，max_iter，tol)
km.fit(数据集)
km=KMeans(n_clusters=n_clusters,max_iter=max_iter,tol=tol)
km.fit(data)
4，保存生成的数据，inertia（簇内误差平方和）和k个数（n_clusters）
用.appen()
x.append(n_clusters)
y.append(km.inertia_)#inertia是属性，要写成km.inertia_
5,运行报错，调整字符类型 float–>int
max_inter是float类型，而kmeans要求是int，所以在前面强制转换max_inter
max_iter = int(r['max_iter'])
max_iter
成功运行，打印出x,y
6,需要作图，在第一行添加from matplotlib import pyplot as plt
创建一张画布
plt.figure(figsize(20,8),dpi=100)
创建x,y轴、标签以及题目
plt.plot(x,y)
plt.xlabel('k')
plt.ylabel('inertia')
plt.title('k-inertia relation')
效果
在图上标注点和数据 :用zip（ ，）把x,y值组合成坐标（x,y）
调整坐标文本显示位置:round(b,2)是保留两位小数，ha和va控制水平垂直
for a,b in zip(x,y):
plt.text(a,b,round(b,2),ha='center',va='bottom')
全文代码
import pandas as pd
from sklearn.cluster import KMeans
from matplotlib import pyplot as plt1、准备数据集data = pd.read_csv(r'basketball.csv')
data.head()data.shape2、Kmeans聚类# 1.准备模型
km = KMeans(n_clusters=8, max_iter=300, tol=0.0001)# 2.训练模型
km.fit(data)3、查看属性# 1.质心
km.cluster_centers_# 2.属于哪个簇
km.labels_data# 3.误差平方和
km.inertia_4、最优模型result = []
for n_clusters in range(2,10):for max_iter in range(300,601,50):for tol in range(2,10):tol=tol*1e-5km = KMeans(n_clusters=n_clusters, max_iter=max_iter, tol=tol)km.fit(data)d = {'n_clusters':n_clusters, 'max_iter':max_iter, 'tol':tol, 'inertia': km.inertia_}result.append(d)resultresult_df = pd.DataFrame(result)result_df找到误差平方和最小，对应的模型参数r = result_df.iloc[result_df['inertia'].argmin(), :]
type(r)#iloc[]是利用索引切片只留下想要的行和列 参考：https://www.py.cn/faq/python/18973.html
#argmin（）是找到当前行或列的最小值 此时最小为0.160880下标为447，就转换为r = result_df.iloc[[447], :]rn_clusters = r['n_clusters']
n_clustersmax_iter = int(r['max_iter'])
max_itertol = r['tol']
tol选择合适的K值data.head()data.shapex = []
y = []
for n_clusters in range(2,20):print(n_clusters)km = KMeans(n_clusters=n_clusters, max_iter=max_iter, tol=tol)km.fit(data)# 保存n_clusters、误差平方和x.append(n_clusters)y.append(km.inertia_)xy用n_clusters（k）作为横坐标，误差平方和作为中坐标---折线图（最优k）plt.figure(figsize=(20, 8), dpi=100)
plt.plot(x, y)
plt.xlabel('K')
plt.ylabel('inertia')
plt.title('k-inertia relation')
# 将数字标注到折线图中
for a, b in zip(x, y):plt.text(a, b, round(b, 2), ha='center', va='bottom')手写笔记
复习代码精简版
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！