[Python数据挖掘] sklearn-KMeans聚类

关注

VIP免费原创最新推荐文章于 2025-07-01 21:24:13 发布 1.4k 阅读 AI 写同款· GEO 优化 ›

sklearn课堂之K-means算法的使用总结 1. 常用查询 1.1 Kmeans常用参数列表常用参数含义 n_clusters 要划分的簇数，可不填，默认8 init 默认‘kmeans++’ n_init 使用不同的质心随机初始化的种子来运行kmeans算法的次数，默认10 max_iter 最大迭代次数么，默认300 tol 两次迭代之间inertia的变化量，如果两次迭代之间inertia下降的值小于tol设定的值，迭代就会停止 precompute_distances ‘auto’,True,Fals 阅读详情

[问题背景]

假定有这样的数据集，txt格式，ANSI编码：

YZN,133,108,76
ZHY,96,145,101
WYZ,132,107,60
DHY,100,102,120
CYH,139,99,93
LHY,73,149,81
ZHY,85,148,93
TQP,39,138,85
ZZL,145,112,71
HJC,101,116,118
XZY,99,98,117

每行第一列是学生姓名，第二列是语文成绩，第三列是数学成绩，第四列是英语成绩。

目标是利用KMeans对学生进行聚类，例如聚成3类。

[问题分析]

数据预处理：

def loadData(filePath):
    fr = open(filePath, 'r+')
    lines = fr.readlines()
    retName = []
    retData = []
    for line in lines:
        items = line.strip().split(',')
        retName.append(items[0])
        retData.append([float(items[i]) for i in range(1,len(items))])
    return retName, retData

编写loadData()函数，作用是传入grade.txt，传出两个列表：

Name = ['YZN', 'ZHY', 'WYZ', 'DHY', 'CYH', 'LHY', 'ZHY', 'TQP', 'ZZL', 'HJC', 'XZY']
Data = [[133.0, 108.0, 76.0], [96.0, 145.0, 101.0], [132.0, 107.0, 60.0], [10