kmeans.fit詳解

一、kmeans.fit什麼意思

kmeans.fit是sklearn.cluster中KMeans聚類演算法的一部分，其作用是通過對數據的聚類分析，將數據分為k個不同的類別，使得每個類別內的數據相似度儘可能高，而不同類別之間的相似度儘可能低。事實上，在無監督學習演算法中，kmeans演算法無疑是最常用且效果良好的一種演算法。

二、kmeans.fit菜鳥教程

kmeans.fit是基於數據的不同特徵維度之間的歐幾里得距離進行計算的。下面我們通過一個簡單例子來體驗一下KMeans演算法。
我們首先定義一個包含四個點的數據集：

import numpy as np
X=np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

定義完畢之後，我們可以使用KMeans進行初步聚類嘗試，這裡我們指定數據集分為兩個簇:

from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)

其中，n_clusters代表數據分為的簇數。運行結果如下：

KMeans(init='k-means++', max_iter=300, n_clusters=2, n_init=10, n_jobs=1, precompute_distances='auto', random_state=0, tol=0.0001, verbose=0)

接下來，我們可以通過kmeans.labels_來查看分類情況：

kmeans.labels_
array([1, 1, 1, 0, 0, 0], dtype=int32)

從結果可知，這個演算法把數據集分成了兩個不同的簇，其中一類包括了索引為3,4,5的數據，而另一個類別包括了索引號為0,1,2的數據。

三、kmeans.fit函數

KMeans類中的fit函數用於聚類過程的實現，它輸入的是一個樣本矩陣，其中每一行代表一個樣本，每個樣本包含多個特徵。KMeans.fit()生成聚類模型，程序會依據聚類模型對每一個樣本進行分類，對於每個樣本，函數通過計算距離找到它的最近的質心，而質心則是用來代表樣本的類別的中心點。

下面是一個示例代碼：

import numpy as np
from sklearn.cluster import KMeans
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
print(kmeans.labels_)

運行結果與前面的一致，不再贅述。

四、kmeans.fit_predict方法

fit_predict()函數的作用和調用kmeans.fit()後再kmeans.predict()效果是一樣的，用於將所有的數據聚類。

import numpy as np
from sklearn.cluster import KMeans
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])
kmeans = KMeans(n_clusters=2, random_state=0)
y_pred = kmeans.fit_predict(X)
print(y_pred)

運行結果：

array([1, 1, 1, 0, 0, 0], dtype=int32)

五、kmeansfit方法

可以選擇自己的演算法實現的kmeans方法kmeans_fit，方法實現的過程和Algorithm的源碼相似，首先以一些數據和K值參數為輸入，然後實現各自的功能，輸出為各個簇心，簇調整和簇標識。

import numpy as np
from sklearn.cluster import kmeans_fit
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])
centroid, adjust, label = kmeans_fit(X, 2)
print(label)

運行結果和前面例子一致，不再贅述。