初識機器學習 | 8.聚類算法

import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from sklearn import datasets

%matplotlib
%matplotlib inline
%config InlineBackend.figure_format = 'retina'

Using matplotlib backend: MacOSX

# 加載數據
df = pd.read_csv('https://query.data.world/s/ei6k5toqscwnarxr2ttfavrx2zodxc')
df.head(5)

	number	density	sugercontent
0	1	0.697	0.460
1	2	0.774	0.376
2	3	0.634	0.264
3	4	0.608	0.318
4	5	0.556	0.215

df.plot.scatter(x='density', y='sugercontent')

<matplotlib.axes._subplots.AxesSubplot at 0x11a539780>

K-Means算法

對於給定樣本集，按照樣本之間的距離大小，將樣本集劃分爲K個簇，讓簇內的點儘量緊密的連在一起，而讓簇間的距離儘量大。

$E=\sum_{i=1}^{k} \sum_{\boldsymbol{x} \in C_{i}}\left\|\boldsymbol{x}-\boldsymbol{\mu}_{i}\right\|_{2}^{2}$