《機器學習技術應用》課件-pro1-4-2 學生校園消費數(shù)據(jù)的聚類分析

授課教師：趙

宇項目一智慧校園消費數(shù)據(jù)分析任務四

校園低消費群體分析

模塊2:學生校園消費數(shù)據(jù)的聚類分析任務四

低消費群體分析任務目標：聚類k-meansK-means是最流行的“聚類”算法之一。K-means存儲用于定義聚類的k個質(zhì)心。如果一個點離哪個質(zhì)心最接近，則該點被視為位于哪個聚類中。K-Means通過交替進行下面兩步來找到最佳質(zhì)心：(1)根據(jù)當前質(zhì)心將數(shù)據(jù)點劃分到某聚類中；(2)根據(jù)當前數(shù)據(jù)點計算聚類的質(zhì)心。假設你有一個數(shù)據(jù)集，其中每個觀察到的示例都有一組特征，但沒有標簽。標簽是支持向量機等有監(jiān)督算法的重要組成部分，它學習得到一個假設函數(shù)來預測給定特征的標簽，所以我們不能運行監(jiān)督學習。我們能做些什么?我們可以在無標簽數(shù)據(jù)集上執(zhí)行的最直接任務之一，是在我們的數(shù)據(jù)集中找到彼此相似的數(shù)據(jù)組一一我們稱之為聚類。1.初始化質(zhì)心：為每個簇的質(zhì)心隨機選擇K個數(shù)據(jù)點。2.點的分配：將每個數(shù)據(jù)點分配給最近的集群(質(zhì)心).3.更新質(zhì)心：通過取集群中所有點的平均值來重新計算質(zhì)心。4.重復步驟2-3,直到各點停止更改集群。聚類k-means聚類k-means--兩個概念1.簇（cluster）該算法會根據(jù)數(shù)據(jù)樣本間的相似性，將數(shù)據(jù)樣本自動分為K個簇（cluster），相似的數(shù)據(jù)樣本會盡可能被聚到一個簇內(nèi)。簇，指的就是類別或是組。2.質(zhì)心(centroid)每個簇都有一個中心位置/中心點，被稱作為質(zhì)心(centroid)。聚類k-means--幾種距離，幾個參數(shù)歐式距離、曼哈頓距離、余弦相似度KMeans類的主要參數(shù)有：1)n_clusters:即我們的k值，一般需要多試一些值以獲得較好的聚類效果。k值好壞的評估標準在下面會講。2）max_iter：最大的迭代次數(shù)，一般如果是凸數(shù)據(jù)集的話可以不管這個值，如果數(shù)據(jù)集不是凸的，可能很難收斂，此時可以指定最大的迭代次數(shù)讓算法可以及時退出循環(huán)。3）n_init：用不同的初始化質(zhì)心運行算法的次數(shù)。由于K-Means是結果受初始值影響的局部最優(yōu)的迭代算法，因此需要多跑幾次以選擇一個較好的聚類效果，默認是10，一般不需要改。如果你的k值較大，則可以適當增大這個值。4）init：即初始值選擇的方式，可以為完全隨機選擇'random',優(yōu)化過的'k-means++'或者自己指定初始化的k個質(zhì)心。一般建議使用默認的'k-means++'。5）algorithm：有“auto”,“full”or“elkan”三種選擇。"full"就是我們傳統(tǒng)的K-Means算法，“elkan”是我們原理篇講的elkanK-Means算法。默認的"auto"則會根據(jù)數(shù)據(jù)值是否是稀疏的，來決定如何選擇"ful