机器学习之路：python k均值聚类 KMeans 手写数字

 1 import numpy as np
 2 import pandas as pd
 3 from sklearn.cluster import KMeans
 4 from sklearn import metrics
 5 
 6 ‘‘‘
 7 k均值算法：
 8     1 随机选择k个样本作为k个类别的中心
 9     2 从k个样本出发，选取最近的样本归为和自己同一个分类，一直到所有样本都有分类
10     3 对k个分类重新计算中心样本
11     4 从k个新中心样本出发重复23，
12         如果据类结果和上一次一样，则停止
13         否则重复234
14         
15 ‘‘‘
16 ‘‘‘
17 该数据集源自网上 https://archive.ics.uci.edu/ml/machine-learning-databases/optdigits/
18 我把他下载到了本地
19 训练样本3823条， 测试样本1797条
20 图像通过8*8像素矩阵表示共64个维度，1个目标维度表示数字类别
21 ‘‘‘
22 
23 # 1 准备数据
24 digits_train = pd.read_csv("./data/optdigits/optdigits.tra", header=None)
25 digits_test = pd.read_csv("./data/optdigits/optdigits.tes", header=None)
26 # 从样本中抽取出64维度像素特征和1维度目标
27 x_train = digits_train[np.arange(64)]
28 y_train = digits_train[64]
29 x_test = digits_test[np.arange(64)]
30 y_test = digits_test[64]
31 
32 # 2 建立模型
33 # 初始化kMeans聚类模型 聚类中心数量为10个
34 kmeans = KMeans(n_clusters=10)
35 # 聚类
36 kmeans.fit(x_train)
37 # 逐条判断每个测试图像所属的聚类中心你
38 y_predict = kmeans.predict(x_test)
39 
40 
41 # 3 模型评估
42 # 使用ARI进行性能评估 当聚类有所属类别的时候利用ARI进行模型评估
43 print("k均值聚类的ARI值：", metrics.adjusted_rand_score(y_test, y_predict))
44 ‘‘‘
45 k均值聚类的ARI值： 0.6673881543921809
46 ‘‘‘
47 # 如果没有聚类所属类别，利用轮廓系数进行评估