如何利用python的KMeans和PCA包實(shí)現(xiàn)聚類算法，很多新手對(duì)此不是很清楚，為了幫助大家解決這個(gè)難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來(lái)學(xué)習(xí)下，希望你能有所收獲。

我們提供的服務(wù)有：做網(wǎng)站、成都做網(wǎng)站、微信公眾號(hào)開(kāi)發(fā)、網(wǎng)站優(yōu)化、網(wǎng)站認(rèn)證、民勤ssl等。為近千家企事業(yè)單位解決了網(wǎng)站和推廣的問(wèn)題。提供周到的售前咨詢和貼心的售后服務(wù)，是有科學(xué)管理、有技術(shù)的民勤網(wǎng)站制作公司

題目： 通過(guò)給出的駕駛員行為數(shù)據(jù)（trip.csv），對(duì)駕駛員不同時(shí)段的駕駛類型進(jìn)行聚類,聚成普通駕駛類型，激進(jìn)類型和超冷靜型3類 。 利用Python的scikit-learn包中的Kmeans算法進(jìn)行聚類算法的應(yīng)用練習(xí)。并利用scikit-learn包中的PCA算法來(lái)對(duì)聚類后的數(shù)據(jù)進(jìn)行降維，然后畫圖展示出聚類效果。通過(guò)調(diào)節(jié)聚類算法的參數(shù)，來(lái)觀察聚類效果的變化，練習(xí)調(diào)參。

數(shù)據(jù)介紹： 選取某一個(gè)駕駛員的經(jīng)過(guò)處理的數(shù)據(jù)集trip.csv，將該駕駛?cè)说母鱾€(gè)時(shí)間段的特征進(jìn)行聚類。（注：其中的driver 和trip_no 不參與聚類）

字段介紹： driver ：駕駛員編號(hào)；trip_no：trip編號(hào)；v_avg：平均速度；v_var：速度的方差；a_avg：平均加速度；a_var：加速度的方差；r_avg：平均轉(zhuǎn)速；r_var：轉(zhuǎn)速的方差； v_a：速度level為a時(shí)的時(shí)間占比（同理v_b ， v_c ， v_d ）； a_a：加速度level為a時(shí)的時(shí)間占比（同理a_b, a_c）； r_a：轉(zhuǎn)速level為a時(shí)的時(shí)間占比（ r_b, r_c）

聚類算法要求：

（1）統(tǒng)計(jì)各個(gè)類別的數(shù)目

（2）找出聚類中心

（3）將每條數(shù)據(jù)聚成的類別（該列命名為jllable ）和原始數(shù)據(jù)集進(jìn)行合并，形成新的dataframe，命名為new_df ，并輸出到本地，命名為new_df.csv。

降維算法要求：

（1）將用于聚類的數(shù)據(jù)的特征的維度降至2維，并輸出降維后的數(shù)據(jù)，形成一個(gè)dataframe名字new_pca

（2）畫圖來(lái)展示聚類效果（可用如下代碼）：

import matplotlib.pyplot asplt

   d = new_pca[new_df['jllable'] == 0]

   plt.plot(d[0], d[1], 'r.')

   d = new_pca[new_df['jllable'] == 1]

   plt.plot(d[0], d[1], 'go')

   d = new_pca[new_df['jllable'] == 2]

   plt.plot(d[0], d[1], 'b*')

   plt.gcf().savefig('D:/workspace/python/Practice/ddsx/kmeans.png')

   plt.show()

python實(shí)現(xiàn)代碼如下：

運(yùn)行結(jié)果如下:

   ##各個(gè)類別的數(shù)目

    ##聚類中心

    ##新的dataframe，命名為new_df ，并輸出到本地，命名為new_df.csv。

    ##可視化------kmeans.png

看完上述內(nèi)容是否對(duì)您有幫助呢？如果還想對(duì)相關(guān)知識(shí)有進(jìn)一步的了解或閱讀更多相關(guān)文章，請(qǐng)關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝您對(duì)創(chuàng)新互聯(lián)的支持。