机器学习技术任务驱动式教程-课件 模块8、9 基于K-均值的聚类、基于集成学习的分类预测.pptx

数据转换PCA降维K-均值模型训练聚类评价不失真压缩图像参考书目《机器学习技术任务驱动式教程》基于K-均值的聚类模块8机器学习技术

目录NBA球员分类地区消费分类图像矢量量化小结习题八基于K-均值的聚类任务模块8机器学习技术

找到NBA球员在过去一个赛季的统计数据。有286位球员球场上的各方面表现，使用K-均值算法划分球员到簇，并定义簇的具体分类。详细的字段描述见下表。1.1任务描述1.NBA球员分类

1.1任务描述要求使用K-均值算法聚类players.csv中的286名球员，分析簇代表的球员特点。任务目标字段类型允许为空标签？例子排名int否是1球员str否否詹姆斯-哈登球队str否否火箭得分float否否31.9命中-出手str否否9.60-21命中率float否否0.45399999999999996命中-三分str否否4.20-10.70三分命中率float否否0.397命中-罚球str否否8.50-9.90罚球命中率float否否0.861场次int否否30上场时间float否否36.11.NBA球员分类

1.2任务分解import方式引入依赖的模块文件读入DataFrame，检测空值和数据分布特征归一化到(0,1)区间依赖库导入数据观察数据转换从探查数据内容开始，通过数据清洗和数据转换加工原始数据，使用轮廓系数评价聚类性能，找到K-均值算法的最优K值。1.NBA球员分类

1.2任务分解轮廓系数评价K-均值模型性能，找到最优K值最优K值训练的模型划分球员，可视化数据分布观察不同簇样本的数据分布，指定簇到具体的分类参数查找聚类可视化簇分析接上1.NBA球员分类

1.3任务实施1.3.1依赖库导入步骤1：定义2级标题。##fontcolor=black依赖库导入/font按“SHIFT+Enter”,运行结果如下：1.NBA球员分类

1.3任务实施步骤2：导入依赖库。importpandasaspdimportseabornassbnimportmatplotlib.pyplotaspltfromsklearn.preprocessingimportminmax_scalefromsklearn.clusterimportKMeansfromsklearn.metricsimportsilhouette_scoreimportnumpyasnp按“SHIFT+Enter”，检查输出无异常。1.NBA球员分类

1.3任务实施1.3.2数据观察文件读入DataFrame对象后，需要观察字段内容和空值。步骤1：定义2级标题。##fontcolor=black数据观察/font按“SHIFT+Enter”,运行结果如下：1.NBA球员分类

1.3任务实施步骤2：检查前5个样本。players=pd.read_csv(../data/players.csv)players.head()按“SHIFT+Enter”,运行结果如下：1.NBA球员分类

1.3任务实施步骤3：查看特征是否包含空值。players.isnull().sum()按“SHIFT+Enter”,运行结果如下：1.NBA球员分类

1.3任务实施步骤4：设置Matplotlib正常显示中文字符和负号。plt.rcParams[font.sans-serif]=[SimHei]plt.rcParams[axes.unicode_minus]=False步骤5：可视化数据分布。sbn.lmplot(x=得分,y=命中率,data=players,fit_reg=False,scatter_kws={alpha:0.8,color:steelblue})1.NBA球员分类

1.3任务实施按“SHIFT+Enter”,运行结果如下：从图中看出，左下样本分布比较集中，可以归为一类；左上样本密度低，归为一类；右边样本密度也不高，归为1类。因此K-均值算法的K值设为3。1.NBA球员分类

K-均值K-均值算法流程K-均值算法的基本思想是：以空间中K个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果，大概就是这个意思，“物以类聚、人以群分”。具体流程如下：步骤1：从N个样本数据中随机选取K个对象，作为初始的聚类中心；步骤2：分别计算每个样本点到各个聚类中心的距离，并逐个分配到距离其最近的簇中；步骤3：所有对象分配完成后，更新K个聚类中心位置，聚类中心定义为簇内所有对象在各个维度的均值；步骤4：与前一次计算得到的K个聚类中心比较，如果聚类中心发生变化，转至步骤2，否则转至步骤5；

步