《数据挖掘导论》实验课——实验7、数据挖掘之K-means聚类算法

实验7、数据挖掘之K-means聚类算法

1、实验目的

1. 理解K-means聚类算法的基本原理

2. 学会用python实现K-means算法

2、实验工具

1. Anaconda

2. sklearn

3. matplotlib

3、实验简介

1 K-means算法简介

k-means算法是一种聚类算法，所谓聚类，即根据类似性原则，将具备较高类似度的数据对象划分至同一类簇，将具备较高相异度的数据对象划分至不一样类簇。聚类与分类最大的区别在于，聚类过程为无监督过程，即待处理数据对象没有任何先验知识，而分类过程为有监督过程，即存在有先验知识的训练数据集。

2 K-means算法原理

k-means算法中的k表明类簇个数，means表明类簇内数据对象的均值（这种均值是一种对类簇中心的描述），所以，k-means算法又称为k-均值算法。k-means算法是一种基于划分的聚类算法，以距离做为数据对象间类似性度量的标准，即数据对象间的距离越小，则它们的类似性越高，则它们越有可能在同一个类簇。数据对象间距离的计算有不少种，k-means算法一般采用欧氏距离来计算数据对象间的距离

4、实验内容

1. 随机生成100个数，并对这100个数进行k-mean聚类（k=3,4,5,6)(并用matplot画图）

1) 随机建立100个样本的二维数据做为训练集

2）k=3进行聚类

3）k=4进行聚类

4）k=5 进行聚类

5）k=6进行聚类，并观察簇分布

2. 对鸢尾花数据进行K-means算法聚类(并用matplot画图）。

5、实验总结（写出本次实验的收获，遇到的问题等）

经过本次实验的学习与操做，我掌握了KMeans算法的基本原理，以及使用sklearn方便的进行聚类构造的方法。而且使用matplot画图，形象直观地看出了K=3,4,5时不一样的簇分布状况。