机器学习专栏
无监督学习介绍
某位著名计算机科学家有句话：“如果智能是蛋糕，无监督学习将是蛋糕本体，有监督学习是蛋糕上的糖霜，强化学习是蛋糕上的樱桃”
现在的人工智能大多数应用有监督学习，但无监督学习的世界也是广阔的，因为如今大部分的数据都是没有标签的
上一篇文章讲到的降维就是一种无监督学习技术，我们将在本章介绍聚类
聚类
聚类是指发现数据集中集群的共同点，在没有人为标注的情况下将数据集区分为指定数量的类别
K-Means
K-Means是一种简单的聚类算法。能快速，高效地对数据集进行聚类
使用方法
from sklearn.cluster import KMeans model = KMeans(n_clusters=3) model.fit(data)
这段代码导入了KMeans机器学习库，指定模型将数据划分为三类
实例演示
import numpy as np from sklearn.cluster import KMeans import matplotlib.pyplot as plt # 生成一些随机数据作为示例 np.random.seed(42) data = np.random.rand(100, 2) # 100个数据点，每个点有两个特征 # 指定要分成的簇数（可以根据实际情况调整） num_clusters = 3 # 使用KMeans算法进行聚类 kmeans = KMeans(n_clusters=num_clusters) kmeans.fit(data) # 获取每个数据点的所属簇标签 labels = kmeans.labels_ # 获取每个簇的中心点 centroids = kmeans.cluster_centers_ print(centroids) # # 可视化结果 for i in range(num_clusters): cluster_points = data[labels == i] plt.scatter(cluster_points[:, 0], cluster_points[:, 1], label=f'Cluster {i + 1}') # 绘制簇中心点 plt.scatter(centroids[:, 0], centroids[:, 1], marker='X', s=200, color='red', label='Centroids') plt.scatter(centroids[0][0], centroids[0][1]) plt.title('K-means Clustering') plt.xlabel('Feature 1') plt.ylabel('Feature 2') plt.legend(loc='upper right') plt.show()
代码解析
- 导入必要的库： 导入NumPy用于生成随机数据，导入
KMeans类从scikit-learn中进行K-means聚类，导入matplotlib.pyplot用于可视化。 - 生成随机数据： 使用NumPy生成一个包含100个数据点的二维数组，每个数据点有两个特征。
- 指定簇的数量： 将
num_clusters设置为希望的簇数，这里设置为3。 - 应用K-means算法： 创建
KMeans对象，指定簇的数量，然后使用fit方法拟合数据。模型训练完成后，每个数据点将被分配到一个簇，并且簇中心点将被计算。 - 获取簇标签和中心点： 使用
labels_属性获取每个数据点的簇标签，使用cluster_centers_属性获取每个簇的中心点。 - 可视化聚类结果： 使用循环遍历每个簇，绘制簇中的数据点。然后，使用
scatter函数绘制簇中心点，并为图添加标题、轴标签和图例。 - 显示图形： 最后，使用
show方法显示可视化结果
绘制决策边界
我们使用网格坐标和predict方法生成决策边界，然后使用contour函数在图上绘制边界。
主要代码
import numpy as np from sklearn.cluster import KMeans import matplotlib.pyplot as plt # 生成一些随机数据作为示例 np.random.seed(42) data = np.random.rand(100, 2) # 100个数据点，每个点有两个特征 # 指定要分成的簇数（可以根据实际情况调整） num_clusters = 3 # 使用KMeans算法进行聚类 kmeans = KMeans(n_clusters=num_clusters) kmeans.fit(data) # 获取每个数据点的所属簇标签 labels = kmeans.labels_ # 获取每个簇的中心点 centroids = kmeans.cluster_centers_ # 可视化结果，包括决策边界 for i in range(num_clusters): cluster_points = data[labels == i] plt.scatter(cluster_points[:, 0], cluster_points[:, 1], label=f'Cluster {i + 1}') # 绘制簇中心点 plt.scatter(centroids[:, 0], centroids[:, 1], marker='X', s=200, color='red', label='Centroids') # 绘制决策边界 h = 0.02 # 步长 x_min, x_max = data[:, 0].min() - 1, data[:, 0].max() + 1 y_min, y_max = data[:, 1].min() - 1, data[:, 1].max() + 1 xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h)) Z = kmeans.predict(np.c_[xx.ravel(), yy.ravel()]) Z = Z.reshape(xx.shape) plt.contour(xx, yy, Z, colors='gray', linewidths=1, alpha=0.5) # 绘制决策边界 plt.title('K-means Clustering with Decision Boundaries') plt.xlabel('Feature 1') plt.ylabel('Feature 2') plt.legend() plt.show()
本章总结
- 无监督学习的意义
- 聚类的定义
- K-Means方法聚类
- 绘制K-Means决策边界
感谢阅读，觉得有用的话就订阅下本专栏吧
