~今天要分享的是「Kmeans實作」~

瞭解了Kmeans的基本概念後，來看看在Python中是如何撰寫程式碼來做分析的吧~

Kmeans分析模型在sklearn的cluster套件底下：
from sklearn.cluster import KMeans

在建立Kmeans模型時，有兩個重點先提醒大家：

1. 由於Kmeans是非監督式學習，所以資料中不需用事先標記答案(依變數)
2. 必須先決定要分成幾群(K值)

[程式碼實作]

import pandas as pd
from sklearn.datasets import load_iris
iris = load_iris()
iris_data = pd.DataFrame(iris['data'],columns=iris['feature_names'])
print("DATA:",iris_data.head())
print("=====================================================================")

X=iris_data[['sepal length (cm)','sepal width (cm)','petal length (cm)','petal width (cm)']]

from sklearn.cluster import KMeans
Kmeans=KMeans(n_clusters=3)
Kmeans.fit(X)
Kmeans_pred=Kmeans.predict(X)
iris_data['cluster']=Kmeans_pred
print("DATA:",iris_data.head())
print("=====================================================================")

a=iris_data.groupby('cluster').mean()
b=iris_data.groupby('cluster').count()
print("各群在每個變數下的平均值：",a)
print("=====================================================================")
print("各群個數：",b["sepal length (cm)"])

使用sklearn的資料集”iris”進行分析，n_clusters設定為3

從結果可以發現，分類在第零群的有62個，且'sepal length (cm)'約為5.90，'sepal width (cm)'約為2.75，'petal length (cm)'約為4.39，'petal width (cm)'約為1.43；分類在第一群的有50個，且'sepal length (cm)'約為5.01，'sepal width (cm)'約為3.43，'petal length (cm)'約為1.46，'petal width (cm)'約為0.25；分類在第二群的有38個，且'sepal length (cm)'約為6.85，'sepal width (cm)'約為3.07，'petal length (cm)'約為5.74，'petal width (cm)'約為2.07。
若是要做成分析報告的話，我們可以更進一步對於每個群做命名，像是我觀察到第二群的幾乎所有數據都高於其他兩個群，所以我會將第二群命名為「大花花群」；而第一群只有在” sepal width (cm)”的數據是三者中最高的，其餘都是最低的，所以我會將第一群命名為「萼片長花花群」；而由於第零群的數據幾乎都位於中間值，所以我會將第零群命名為「普通花花群」。
註：命名的名稱因人而異，筆者只是將看到數據結果的反應作命名而已，若有更好的名稱歡迎在下方留言處留言歐！