26丨K-Means（上）：如何给20支亚洲球队做聚类？

两者的区别的比喻是， Kmeans开班，选老大，风水轮流转，直到选出最佳中心老大 Knn小弟加队伍，离那个班相对近，就是那个班的 一群人的有些人想要聚在一起 首先大家民主（无监督学习）随机选K个老大（随机选择K个中心点） 谁跟谁近，就是那个队伍的人（计算距离，距离近的聚合到一块） 随着时间的推移，老大的位置在变化（根据算法，重新计算中心点） 直到选出真正的中心老大（重复，直到准确率最高） Knn 一个人想要找到自己的队伍 首先听从神的旨意（有监督学习），随机最近的几个邻居 看看距离远不远（根据算法，计算距离） 近的就是一个班的了（属于哪个分类多，就是哪一类） #输入数据 #数据探索 import pandas as pd data=pd.read_csv("./26/data.csv",encoding='gbk') # print(data)数据符合完整合一，数据质量较高 #提取数据 train_x=data[["2019年国际排名","2018世界杯","2015亚洲杯"]] #数据规范化 from sklearn import preprocessing ss=preprocessing.StandardScaler() train_ss_x=ss.fit_transform(train_x) #对数据进行拟合并预测 from sklearn.cluster import KMeans kmeans=KMeans(n_clusters=5) kmeans.fit(train_ss_x) pre=kmeans.predict(train_ss_x) #数据对比 train_x=pd.DataFrame(train_x) result=pd.concat((data,pd.DataFrame(pre)),axis=1) result.rename({0:u'聚类'},axis=1,inplace=True) print(result)

# coding: utf-8 from sklearn.cluster import KMeans from sklearn import preprocessing import pandas as pd import numpy as np # 输入数据 data = pd.read_csv(r'F:\Python\notebook\K-Means\kmeans-master\data.csv', encoding = 'gbk') data.head() train_x = data[["2019年国际排名","2018世界杯","2015亚洲杯"]] df = pd.DataFrame(train_x) kmeans = KMeans(n_clusters=5) # 规范化 min_max_scaler=preprocessing.StandardScaler() train_x=min_max_scaler.fit_transform(train_x) # kmeans 算法 kmeans.fit(train_x) predict_y = kmeans.predict(train_x) # 合并聚类结果，插入到原数据中 result = pd.concat((data,pd.DataFrame(predict_y)),axis=1) result.rename({0:u'聚类'},axis=1,inplace=True) print(result) 国家 2019年国际排名 2018世界杯 2015亚洲杯 聚类 0 中国 73 40 7 0 1 日本 60 15 5 3 2 韩国 61 19 2 3 3 伊朗 34 18 6 3 4 沙特 67 26 10 0 5 伊拉克 91 40 4 0 6 卡塔尔 101 40 13 4 7 阿联酋 81 40 6 0 8 乌兹别克斯坦 88 40 8 0 9 泰国 122 40 17 4 10 越南 102 50 17 4 11 阿曼 87 50 12 2 12 巴林 116 50 11 2 13 朝鲜 110 50 14 2 14 印尼 164 50 17 1 15 澳洲 40 30 1 3 16 叙利亚 76 40 17 4 17 约旦 118 50 9 2 18 科威特 160 50 15 1 19 巴勒斯坦 96 50 16 4

然后我们再重新计算这三个类的中心点，如何计算呢？最简单的方式就是取平均值，然后根据新的中心点按照距离远近重新分配球队的分类，再根据球队的分类更新中心点的位置。计算过程这里不展开，最后一直迭代（重复上述的计算过程：计算中心点和划分分类）到分类不再发生变化。 老师，这段可以再解释一下吗？没计算过程不太理解

K-Means 是聚类算法：经常做坏事的人 ，就是坏人。 KNN 是分类算法：坏人经常做坏事。 我对孩子就是这么说的。

代码里的第八行应该去掉列名里的空格： train_x = data[['2019年国际排名','2018世界杯','2015亚洲杯']] Z-score标准化的代码：train_x=preprocessing.scale(train_x) 国家 2019年国际排名 2018世界杯 2015亚洲杯 聚类 0 中国 73 40 7 3 1 日本 60 15 5 1 2 韩国 61 19 2 1 3 伊朗 34 18 6 1 4 沙特 67 26 10 1 5 伊拉克 91 40 4 3 6 卡塔尔 101 40 13 0 7 阿联酋 81 40 6 3 8 乌兹别克斯坦 88 40 8 3 9 泰国 122 40 17 4 10 越南 102 50 17 4 11 阿曼 87 50 12 0 12 巴林 116 50 11 0 13 朝鲜 110 50 14 0 14 印尼 164 50 17 2 15 澳洲 40 30 1 1 16 叙利亚 76 40 17 4 17 约旦 118 50 9 0 18 科威特 160 50 15 2 19 巴勒斯坦 96 50 16 4

老师，请问为什么要对train_x转化为datadframe格式呢？df=pd.DataFrame(train_x)，df有什么用呢？

为什么,你们的代码,运行出来跟我的结果都不一样

k-means的算法原理就是： 1.选择几个初始的中心点。 2.计算每个点到各个中心点的距离，然后把每个点划分到距离最近的中心点所在的类。 3.更新中心点的值。对于每个类，计算类中所有数据的平均值，把平均值作为新的中心点。 4.重复 2 和4 步骤，直到每个类中的数据不再变化，或者到达指定的迭代步数。

如何调整聚类中心没听懂

老师，对于K-Means算法，我们如何评估模型的好坏，常用的评价指标都有哪些呢？