### K均值聚类和寻找最接近中心点的演员

我正在尝试使用K均值聚类方法对演员进行聚类,基于以下列的信息进行分类

Actors              Movies  TvGuest Awards  Shorts  Special LiveShows
Robert De Niro         111      2     6       0        0       0
Jack Nicholson          70      2     4       0        5       0
Marlon Brando           64      2     5       0        0       28
Denzel Washington       25      2     3      24        0       0
Katharine Hepburn       90      1     2       0        0       0
Humphrey Bogart        105      2     1       0        0       52
Meryl Streep            27      2     2       5        0       0
Daniel Day-Lewis        90      2     1       0       71      22
Sidney Poitier          63      2     3       0        0       0
Clark Gable             34      2     4       0        3       0 
Ingrid Bergman          22      2     2       3        0       4
Tom Hanks               82     11     6      21       11      22
# 首先对数据进行标准化处理
X = StandardScaler().fit_transform(data)
# 使用肘部图来寻找最佳的k值
sum_of_squared_distances = []
K = range(1,15)
for k in K:
    k_means = KMeans(n_clusters=k)
    model = k_means.fit(X)
    sum_of_squared_distances.append(k_means.inertia_)
plt.plot(K, sum_of_squared_distances, 'bx-')
plt.show()
# 为计算出的k值找到yhat
kmeans = KMeans(n_clusters=3)
model = kmeans.fit(X)
yhat = kmeans.predict(X)

无法弄清楚如何按演员创建散点图。

编辑:如果中心点也使用以下方法绘制,是否有办法找到哪些演员最接近中心点

centers = kmeans.cluster_centers_ (这里的kmeans指的是Eric的下方解决方案)

plt.scatter(centers[:,0],centers[:,1],color=’purple’,marker=’*’,label=’centroid’)


回答:

在Pandas中使用K均值聚类 – 散点图

#!/usr/bin/python3
# -*- coding: utf-8 -*-
import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
df = pd.DataFrame(columns=['Actors', 'Movies', 'TvGuest', "Awards", "Shorts"])
df.loc[0]             = ["Robert De Niro",     111,     2,    6,      0]
df.loc[1]             = ["Jack Nicholson",      70,     2,    4,      0]
df.loc[2]             = ["Marlon Brando",       64,     4,    5,      0]
df.loc[3]             = ["Denzel Washington",   25,     2,    3,     24]
df.loc[4]             = ["Katharine Hepburn",   90,     1,    2,      0]
df.loc[5]             = ["Humphrey Bogart",     105,    2,    1,      0]
df.loc[6]             = ["Meryl Streep",        27,     3,    2,      5]
df.loc[7]             = ["Daniel Day-Lewis",    90,     2,    1,      0]
df.loc[8]             = ["Sidney Poitier",      63,     2,    3,      0]
df.loc[9]             = ["Clark Gable",         34,     2,    4,      0]
df.loc[10]            = ["Ingrid Bergman",      22,     5,    2,      3]
kmeans = KMeans(n_clusters=4)
y = kmeans.fit_predict(df[['Movies', 'TvGuest', 'Awards']])
df['Cluster'] = y
plt.scatter(df.Movies, df.TvGuest, c=df.Cluster, alpha = 0.6)
plt.title('K-means Clustering 2 dimensions and 4 clusters')
plt.show()

显示:

enter image description here

请注意,2维散点图上展示的数据点是MoviesTvGuest,然而Kmeans拟合时使用了3个变量:MoviesTvGuestAwards。可以想象有一个额外的维度进入屏幕,用于计算聚类成员身份。

来源链接:

https://datasciencelab.wordpress.com/2013/12/12/clustering-with-k-means-in-python/

https://datascience.stackexchange.com/questions/48693/perform-k-means-clustering-over-multiple-columns

https://towardsdatascience.com/visualizing-clusters-with-pythons-matplolib-35ae03d87489

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注