K-Means 聚类算法是一种无监督学习算法，它将相似的数据点分到同一个簇中。以下是 K-Means 聚类算法的基本步骤：

  1. 选择簇的数量 (K): 确定要将数据分成多少个簇。
  2. 随机选择初始中心点: 在数据集中随机选择 K 个点作为初始中心点。
  3. 分配数据点: 将每个数据点分配到最近的中心点所在的簇。
  4. 更新中心点: 计算每个簇中所有数据点的平均值，将其作为新的中心点。
  5. 重复步骤 3 和 4，直到中心点不再改变或者达到最大迭代次数。

K-Means 算法的优势

  • 简单易实现：K-Means 算法易于理解和实现。
  • 不需要先验知识：不需要对数据有任何先验知识。
  • 计算效率高：对于大规模数据集，K-Means 算法的计算效率很高。

K-Means 算法的局限性

  • 对噪声敏感：K-Means 算法对噪声数据非常敏感。
  • 簇形状假设：K-Means 算法假设簇是凸形的，这意味着簇内部的数据点非常接近，而簇之间的数据点则相对较远。
  • 簇数量选择困难：选择合适的簇数量 K 是一个挑战。

实例：使用 K-Means 聚类分析客户数据

假设我们有一个客户数据集，包含以下特征：

  • 年龄
  • 收入
  • 性别

我们可以使用 K-Means 算法将客户分成不同的簇，以便更好地理解客户群体。

from sklearn.cluster import KMeans
import pandas as pd

# 加载数据
data = pd.read_csv('customer_data.csv')

# 创建 KMeans 对象
kmeans = KMeans(n_clusters=3)

# 训练模型
kmeans.fit(data)

# 获取簇标签
labels = kmeans.labels_

# 将簇标签添加到数据集
data['cluster'] = labels

下一步

如果您想了解更多关于 K-Means 聚类算法的信息，请访问我们的 K-Means 聚类算法深入探讨。

K-Means 聚类算法图解