Python机器学习（五十四）SciPyk均值聚类

　　聚类（Kmeansclustering）是在一组未标记的数据中，将相似的数据（点）归到同一个类别中的方法。聚类与分类的最大不同在于分类的目标事先已知，而聚类则不知道。
　　Kmeans是聚类中最常用的方法之一，它是基于点与点的距离来计算最佳类别归属，即靠得比较近的一组点（数据）被归为一类。
　　Kmeans的算法原理如下：随机选取k个点作为中心点遍历所有点，将每个点划分到最近的中心点，形成k个聚类根据聚类中点之间的距离，重新计算各个聚类的中心点重复23步骤，直到这k个中线点不再变化（收敛了），或达到最大迭代次数
　　SciPy中，cluster包已经很好地实现了KMeans算法，我们可以直接使用它。使用SciPy中的k均值聚类功能导入KMeans
　　导入要使用的模块：fromSciPy。cluster。vqimportkmeans，vq，whiten样本数据生成
　　准备样本数据：fromnumpyimportvstack，arrayfromnumpy。randomimportrand具有3个特征值的样本数据生成datavstack（（rand（100，3）array（〔。5，。5，。5〕），rand（100，3）））
　　上面的程序将生成以下样本数据：〔〔9。08178137e011。13621041e001。37775140e00〕〔8。03177864e018。61501332e011。36841278e00〕〔1。20454835e005。80649650e011。02232192e00〕〔5。78773849e011。29952832e009。01418916e01〕〔1。00196410e001。15425599e005。68536029e01〕〔1。12860722e007。63647578e016。03910440e01〕〔1。29241389e001。33779906e001。38514877e00〕〔6。98439684e011。10509272e007。13420372e01〕。。。数据白化预处理
　　数据白化预处理是一种常见的数据预处理方法，作用是去除样本数据的冗余信息。
　　可以使用以下代码来白化数据。白化数据datawhiten（data）分成3个聚类
　　我们会把样本数据分成3个聚类，使用kmeans（）函数计算3个聚类的中心点。计算K3时的中心点centroids，kmeans（data，3）
　　打印中心点：print（centroids）
　　输出〔〔2。330378251。633280351。76901626〕〔0。696111821。487766061。25827876〕〔2。397434062。988039232。99201397〕〕
　　使用vq函数将样本数据中的每个样本点分配给一个中心点，形成3个聚类。将样本数据中的每个值分配给一个中心点，形成3个聚类。返回值clx标出了对应索引样本的聚类，dist表示对应索引样本与聚类中心的距离。clx，distvq（data，centroids）
　　输出聚类打印聚类print（clx）
　　输出〔11111110010010011011110001010110100101011101001111001010111111111011101110001000001110101110100100110202022202000222220002222000222020220202222220222222202002200000002002002222222020022202200222202002〕
　　上面数组中，值0，1，2分别表示3个聚类，某个位置上的值表示该对应索引数据属于哪个聚类，例如clx〔0〕1，表明data〔0〕样本属于聚类1。