这两天学习聚类中的Kmeans算法，有关Kmeans算法的介绍我推荐看"简书-程sir"的文章，简单易懂。
推荐地址：http://www.jianshu.com/p/fc91fed8c77b
下面直接看案例：Kmeans聚类分析运动员数据
在篮球这项运动中，每一位球员在球场上都有一个位置，如果某些运动员得分高，他可能是得分后卫；如果某些运动员身高高或篮板多，他可能是中锋；助攻高可能是控卫。而现在有一个数据集data.txt，数据集的部分截图如下：
102、聚类Kmeans算法
在这个数据集里面包含了96行数据对应着96位篮球运动员，这些数据每一列分别是每分钟助攻数（assists_per_minute）、运动员身高（height）、运动员出场时间（time_played）、运动员年龄（age）和每分钟得分数（points_per_minute）。
现在需要通过运动员的数据，判断他适合打哪个位置。
接下来选取了每分钟助攻数（assists_per_minute）和每分钟得分数（points_per_minute）这两列数据进行分析：，代码如下：
# -*- coding: utf-8 -*-
import os
data = []
# 读取文件
filename = "data.txt"
with open(filename) as f_ob:
lines = f_ob.readlines()
for line in lines:
line = line.rstrip() # 删除换行
result = ' '.join(line.split()) #删除多余空格，保存一个空格连接
# 获取每行的五个值，将字符串格式转换为浮点数
s = [float(x) for x in result.strip().split(' ')]
print s
data.append(s) # 将数据存储在data
print("完整数据集")
print data # 输出完整数据集
print type(data) # 显示数据集的类型
print("第一列和第五列数据")
L2 = [n[0] for n in data] # n[0]表示第一列
print L2
L5 = [n[4] for n in data] # n[4]表示第五列
print L5
# 将两列数据生成二维矩阵
T = dict(zip(L2,L5))
"""zip函数：接受任意多个（包括0个和1个）序列作为参数，返回一个元组列表，
再把元组列表以字典形式存在T中"""
print("T的类型" + str(type(T)))
print T
# dict类转化为list
X = list(map(lambda x,y: (x,y),T.keys(),T.values()))
print("X的类型" + str(type(X)))
print X
# 导入KMeans聚类相关模块
from sklearn.cluster import Birch
from sklearn.cluster import KMeans
clf = KMeans(n_clusters=3)
y_pred = clf.fit_predict(X)
# 输出聚类结果，96行数据，每个y_pred对应X一行或一个球员，聚成3类，类标为0、1、2
print clf
# 可视化绘图
import numpy as np
import matplotlib.pyplot as plt
# 使用for循环获取第一列和第二列数据
x = [n[0] for n in X]
print x
y = [n[1] for n in X]
print y
# 坐标
x1 = []
y1 = []
x2 = []
y2 = []
x3 = []
y3 = []
# 分布获取类标0、1、2的数据，赋值给(x1,y1) (x2,y2) (x3,y3)
i = 0
while i < len(x):
if y_pred[i] == 0:
x1.append(X[i][0])
y1.append(X[i][1])
elif y_pred[i] == 1:
x2.append(X[i][0])
y2.append(X[i][1])
elif y_pred[i] == 2:
x3.append(X[i][0])
y3.append(X[i][1])
i = i + 1
# 四种颜色 红 绿 蓝
plot1, = plt.plot(x1,y1,"or",marker="x")
plot2, = plt.plot(x2,y2,"og",marker="o")
plot3, = plt.plot(x3,y3,"ob",marker="*")
# 绘制标题
plt.title("Kmeans-Basketball Data")
# 绘制x轴和y轴坐标
plt.xlabel("assists_per_minute")
plt.ylabel("points_per_minute")
# 设置右上角图例
plt.legend((plot1,plot2,plot3),("A","B","C"),fontsize=10)
plt.show()
102、聚类Kmeans算法
从结果中可以看出：红色部分助攻很少，得分却很高，应该属于得分后卫；而蓝色部分处于中间部分，得分相比红色部分低一点，但是助攻也有很多，应该属于中锋；绿色部分得分最少，助攻却很多，这一部分球员应该属于控卫。
网友评论