上图展示了无监督学习常用算法以及其的应用场景，以下实验数据集均来自mooc，下载地址：https://pan.baidu.com/s/1eR7doh8
算法介绍： k-means聚类算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。 其处理过程如下： 1.随机选择k个点作为初始的聚类中心； 2.对于剩下的点，根据其与聚类中心的距离，将其归入最近的簇 3.对每个簇，计算所有点的均值作为新的聚类中心 4.重复2、3直到聚类中心不再发生改变
数据介绍 现有1999年全国31个省份城镇居民家庭平均每人全年消费性支出的八个主 要变量数据，这八个变量分别是：食品、衣着、家庭设备用品及服务、医疗保健、交通和通讯、娱乐教育文化服务、居住以及杂项商品和服务。利用已有数据，对31个省份进行聚类。 通过聚类，了解1999年各个省份的消费水平在国内的情况。
import numpy as np from sklearn.cluster import KMeans ####### 调用KMeans方法所需参数 ######## # n_clusters：用于指定聚类中心的个数 # init：初始聚类中心的初始化方法 # max_iter：最大的迭代次数 # 一般调用时只用给出n_clusters即可，init默认是k-means++，max_iter默认是300 ###################################### import numpy as np from sklearn.cluster import KMeans ####### 调用KMeans方法所需参数 ######## # n_clusters：用于指定聚类中心的个数 # init：初始聚类中心的初始化方法 # max_iter：最大的迭代次数 # 一般调用时只用给出n_clusters即可，init默认是k-means++，max_iter默认是300 ###################################### def loadData(filePath): fr = open(filePath, 'r+') #依读写方式打开文件，文件指针将会放在文件的开头。 lines = fr.readlines() #一次读取整个文件 retData = [] #retData用于存储城市的各项消费信息 retCityName = [] #retCity用于存储城市名称 for line in lines: items = line.strip().split(",") #去除空格等，并用，隔开 retCityName.append(items[0]) retData.append([float(items[i]) for i in range(1, len(items))]) return retData, retCityName if __name__ == '__main__': data, cityName = loadData('city.txt') km = KMeans(n_clusters=4) #n_cluster指定聚类中心个数 label = km.fit_predict(data) expenses = np.sum(km.cluster_centers_, axis=1) CityCluster = [[], [], [], []] for i in range(len(cityName)): CityCluster[label[i]].append(cityName[i]) for i in range(len(CityCluster)): print("Expenses:%.2f"%expenses[i]) print(CityCluster[i])输出结果：
