Question

1.实验目的

·掌握K-Means算法原理。

·掌握使用Python的scikit-learn模块进行聚类分析。

2.实验内容

实验一

编程实现K-Means算法，要求输入参数至少有2个：样本数据X（支持多维数据）和聚类个数n_clusters。输出参数至少有2个：每个类的中centers和样本数据的分类标签labels.

实验二

使用聚类实现对手写数字识别。数据集采用scikit-learn模块的digits数据集，在6.5节我们曾使用SVM算法对其进行分类，而本实验要求使用聚类算法对数据进行分类。读者可以借助scikit-learn封装好的聚类函数，也可以使用实验一中自己实现的聚类算法。建议读者使用K-Means算法和系统聚类算法并进行算法性能的对比。

3.实验步骤提示

实验二

1）导入digits数据集：

from sklearn.datasets import load_digits
digits = load_digits()

2）数据正则化，将数据的范围限制在[0，1]。这步不是必须的，但会提升聚类效果。

data = scale(digits.data)

3）进行聚类，得到聚类后的数据标签。

4）算法性能分析，可从运行时间和聚类效果去评价算法。Python的time模块中有函数time.time（）可获取当前时间，将算法运行前和运行后的时间做差便可得到算法的运行时间。而评价聚类效果的方法有多种，例如对比预测标签和数据标签，得出聚类的正确率。scikit-learn的metrics^[1] 模块有多种评价聚类效果的指标，读者可作参考。

[1] http://scikit-learn.org/stable/modules/classes.html#sklearn-metrics-metrics