Python实战开发及案例分析（27）—— 均值算法

        均值算法通常指的是用于聚类的k-均值（k-means）算法。k-means是一种常见的无监督学习算法，用于将数据集划分为k个不同的簇（cluster），使得同一簇内的数据点彼此相似而不同簇间的数据点差异较大。

k-means算法的基本步骤

1. 初始化：随机选择k个初始质心（centroid）。
2. 分配数据点：将每个数据点分配到最近的质心所在的簇中。
3. 更新质心：计算每个簇的质心，即簇中所有点的平均值，更新质心的位置。
4. 重复：重复步骤2和步骤3，直到质心位置不再变化或达到最大迭代次数。

Python实现k-means算法

        我们将使用Python和scikit-learn库来实现k-means算法，并通过一个具体的案例来展示其应用。

步骤一：加载数据和库

        首先，我们需要加载必要的库和数据集。在本例中，我们将使用一个简单的二维数据集进行聚类。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans

# 生成示例数据
X, y = make_blobs(n_samples=300, centers=4, cluster_std=0.60, random_state=0)

# 可视化数据
plt.scatter(X[:, 0], X[:, 1], s=50)
plt.show()

步骤二：使用k-means进行聚类

        接下来，我们使用scikit-learn中的KMeans类进行聚类。

# 创建k-means模型
kmeans = KMeans(n_clusters=4)

# 训练模型
kmeans.fit(X)

# 预测簇标签
y_kmeans = kmeans.predict(X)

# 可视化结果
plt.scatter(X[:, 0], X[:, 1], c=y_kmeans, s=50, cmap='viridis')

centers = kmeans.cluster_centers_
plt.scatter(centers[:, 0], centers[:, 1], c='red', s=200, alpha=0.75, marker='x')
plt.show()

案例分析：客户分群

        假设我们有一个客户数据集，其中包含客户的年收入和消费分数。我们希望通过k-means聚类将客户分为不同的群组，以便进行个性化营销。

数据加载和预处理

        我们使用一个示例数据集，其中包含客户的年收入和消费分数。

import pandas as pd

# 生成示例客户数据
np.random.seed(42)
income = np.random.normal(50000, 15000, 100)
spending_score = np.random.normal(50, 10, 100)
data = {'Income': income, 'Spending_Score': spending_score}
df = pd.DataFrame(data)

# 可视化数据
plt.scatter(df['Income'], df['Spending_Score'], s=50)
plt.xlabel('Annual Inco