商务智能与数据分析 教案 第五章实验 K-Means 算法原理与 K 值选择（手肘法）

实验5-1：K-Means算法原理与K值选择（手肘法）1.实验描述K-Means是最常用的聚类算法。本实验使用计算机生成的简单“团状”数据，模拟不同分布的样本。我们将直观地观察质心（Centroids）是如何移动的，并学习解决K-Means最头疼的问题：“到底分几类最合适？”（学习使用手肘法）。2.实验目的理解K-Means的迭代过程（计算质心->分配样本->更新质心）。掌握KMeans类的调用及cluster_centers_属性的含义。核心目标：掌握“手肘法(ElbowMethod)”，通过SSE（误差平方和）确定最佳的K值。3.实验步骤与代码Pythonimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeansfromsklearn.datasetsimportmake_blobs#步骤1:生成模拟数据(4个明显的中心)#n_samples=300,centers=4,cluster_std=0.60X,y=make_blobs(n_samples=300,centers=4,cluster_std=0.60,random_state=0)plt.figure(figsize=(8,5))plt.scatter(X[:,0],X[:,1],s=50)plt.title("原始未标记数据")plt.show()#步骤2:尝试K=4进行聚类kmeans=KMeans(n_clusters=4,random_state=0)y_kmeans=kmeans.fit_predict(X)#可视化聚类结果与质心plt.figure(figsize=(8,5))#画样本点plt.scatter(X[:,0],X[:,1],c=y_kmeans,s=50,cmap='viridis')#画质心(红色大点)centers=kmeans.cluster_centers_plt.scatter(centers[:,0],centers[:,1],c='red',s=200,alpha=0.7,marker='X',label='质心')plt.title("K-Means聚类结果(K=4)")plt.legend()plt.show()#步骤3:寻找最佳K值(手肘法)sse=[]#误差平方和(SumofSquaredErrors)k_range=range(1,10)forkink_range:km=KMeans(n_clusters=k,random_state=0)km.fit(X)sse.append(km.inertia_)#inertia_就是SSE#绘制手肘图plt.figure(figsize=(8,5))plt.plot(k_range,sse,marker='o')plt.xlabel('K值(聚类数量)')plt.ylabel('SSE(误差平方和)')plt.title('手肘法寻找最佳K值')plt.annotate('肘部(最佳点)',xy=(4,sse[3]),xytext=(5,1000),arrowprops=dict(facecolor='black',shrink=0.05))plt.show()4.实验总结可视化：通过红色“X”标记，我们能清晰看到算法找到的中心点。手肘法：随着K增加，SSE会一直下降。但在K=4时，下降速度突然变缓（出现拐点/肘部），说明K=4是性价比最高的分类数量。

实验5-2：层次聚类与树状图(Dendrogram)1.实验描述层次聚类不需要预先指定K值，而是生成一个层级结构。本实验通过绘制“树状图”，让我们看到数据是如何一步步从“各自为战”合并成“一个大家族”的。这在分析分类层级关系（如生物分类、商品品类归属）时非常有用。2.实验目的理解层次聚类（凝聚型）的“自底向上”合并过程。学会使用scipy.cluster.hierarchy绘制树状图(Dendrogram)。学会根据树状图的高度（距离）来决定在哪里“剪断”，从而确定聚类数量。3.实验步骤与代码Pythonimportscipy.cluster.hierarchyasschfromsklearn.clusterimportAgglomerativeClustering#使用与上一个实验相同的数据X(只取前20个点以便观察树图细节)X_subset=X[:20]#步骤1:绘制树状图plt.figure(figsize=(10,7))plt.title("层次聚类树状图(Dendrogram)")plt.xlabel("样本索引")plt.ylabel("欧氏距离(合并阈值)")#method='ward'表示最小化簇内方差dendrogram=sch.dendrogram(sch.linkage(X_subset,method='ward'))plt.show()#步骤2:使用AgglomerativeClustering进行聚类#假设我们根据树图决定分4类hc=AgglomerativeClustering(n_clusters=4,affinity='euclidean',linkage='ward')y_hc=hc.fit_predict(X)print(f"前10个样本的聚类标签:{y_hc[:10]}")4.实验总结树状图的纵轴代表距离。垂直线越长，说明这两个（组）簇之间的差异越大。这种方法特别适合不需要明确K值，或者希望探索数据内部层级结构的场景。

实验5-3：K-Means的局限与DBSCAN密度聚类1.实验描述K-Means假设簇是凸形（球状）的，但在处理复杂形状（如月牙形、环形）时往往失效。DBSCAN基于密度，能发现任意形状的簇，还能识别噪声。本实验通过对比，展示不同算法的适用边界。2.实验目的验证K-Means在非球形数据上的失败。掌握DBSCAN算法的核心参数eps(邻域半径)和min_samples(最小样本数)。理解DBSCAN如何识别噪声点(Outliers)。3.实验步骤与代码Pythonfromsklearn.datasetsimportmake_moonsfromsklearn.clusterimportDBSCAN#步骤1:生成“双月形”非凸数据X_moon,_=make_moons(n_samples=300,noise=0.05,random_state=0)#步骤2:使用K-Means尝试聚类(预期失败)kmeans=KMeans(n_clusters=2,random_state=0)y_km=kmeans.fit_predict(X_moon)#步骤3:使用DBSCAN尝试聚类(预期成功)dbscan=DBSCAN(eps=0.3,min_samples=5)y_db=dbscan.fit_predict(X_moon)#步骤4:对比可视化fig,(ax1,ax2)=plt.subplots(1,2,figsize=(14,5))#K-Means结果ax1.scatter(X_moon[:,0],X_moon[:,1],c=y_km,cmap='viridis',s=50)ax1.set_title("K-Means聚类结果(失败)")#DBSCAN结果#噪声点标签为-1，显示为紫色或特殊颜色ax2.scatter(X_moon[:,0],X_moon[:,1],c=y_db,cmap='viridis',s=50)ax2.set_title("DBSCAN聚类结果(成功)")plt.show()4.实验总结K-Means强行用直线划分双月，导致分类错误。DBSCAN顺着数据的密度“爬行”，完美分离了两个月牙形状，证明了其在特定几何结构下的优越性。

实验5-4：【综合实验】商场客户细分与画像构建1.实验描述模拟一个购物中心的会员数据，包含“年收入”和“消费评分（1-100）”。我们需要扮演数据分析师，利用聚类算法将客户分为不同的群体（如“高富帅”、“潜力股”、“节俭党”等），并针对每一类客户提出营销建议。2.实验目的综合运用数据预处理、K-Means建模和可视化。核心目标：学会解释聚类结果。聚类只是手段，给每一类人打上业务标签（UserProfiling）才是目的。3.实验步骤与代码Pythonimportpandasaspdimportseabornassns#步骤1:构建模拟商务数据#模拟200个客户#特征:客户ID,性别,年龄,年收入(k$),消费评分(1-100)np.random.seed(42)data={'AnnualIncome(k$)':np.random.randint(15,130,200),'SpendingScore(1-100)':np.random.randint(1,100,200)}#人为制造一些明显的群组逻辑以便于教学演示#组1:低收入,低消费#组2:低收入,高消费#组3:高收入,低消费#组4:高收入,高消费#组5:中等收入,中等消费(大多数人)#(此处为了简化代码，直接使用随机数据，实际教学可用真实Mall_Customers数据集)df=pd.DataFrame(data)#取出用于聚类的特征X=df.values#步骤2:确定最佳K值(再次练习手肘法)wcss=[]foriinrange(1,11):kmeans=KMeans(n_clusters=i,init='k-means++',random_state=42)kmeans.fit(X)wcss.append(kmeans.inertia_)plt.plot(range(1,11),wcss)plt.title('手肘法')plt.xlabel('K值')plt.ylabel('WCSS')plt.show()#假设手肘图显示K=5最合适#步骤3:训练模型(K=5)kmeans=KMeans(n_clusters=5,init='k-means++',random_state=42)y_kmeans=kmeans.fit_predict(X)#将聚类结果添加入原始数据df['Cluster']=y_kmeans#步骤4:结果可视化与业务解读plt.figure(figsize=(10,6))sns.scatterplot(x='AnnualIncome(k$)',y='SpendingScore(1-100)',hue='Cluster',data=df,palette='deep',s=100)plt.title('客户细分群体(CustomerSegments)')plt.xlabel('年收入(k$)')plt.ylabel('消费评分(1-100)')plt.legend(title='群体ID')plt.show()#步骤5:打印各群体的统计特征print("---各群体特征均值---")print(df.groupby('Cluster').mean())4.实验总结与业务思考请根据上述散点图和统计表，尝试为5个群体命名并制定策略：群体A(高收入,高分)：VIP客户。策略：推荐高端奢侈品，提供专属服务。群体B(低收入,高分)：月光族/年轻狂热者。策略：促销折扣，分期付款服务。群体C(高收入,低分)：理智