当前位置：首页 > news >正文

tf-estimator-tutorials聚类分析详解：K-means算法从理论到实践

news 2026/8/10 20:11:02

tf-estimator-tutorials聚类分析详解：K-means算法从理论到实践

【免费下载链接】tf-estimator-tutorialsThis repository includes tutorials on how to use the TensorFlow estimator APIs to perform various ML tasks, in a systematic and standardised way项目地址: https://gitcode.com/gh_mirrors/tf/tf-estimator-tutorials

在机器学习领域，聚类分析是一种重要的无监督学习方法，而K-means算法作为最经典的聚类算法之一，被广泛应用于数据探索、客户分群、异常检测等场景。tf-estimator-tutorials项目提供了基于TensorFlow Estimator API的K-means聚类实现，本文将从理论到实践，带您快速掌握如何使用TensorFlow Estimator进行高效的聚类分析。

一、K-means聚类算法核心原理

K-means算法通过迭代方式将数据集划分为K个不同的簇，其核心步骤包括：

初始化聚类中心：随机选择K个样本作为初始聚类中心
分配样本：计算每个样本到各聚类中心的距离（通常使用欧氏距离），将样本分配到最近的簇
更新中心：计算每个簇的均值作为新的聚类中心
收敛判断：重复步骤2-3，直至聚类中心不再显著变化或达到最大迭代次数

图1：TensorFlow Estimator API工作流程图，展示了数据输入、特征处理、模型训练和导出的完整流程

二、环境准备与项目结构

1. 项目克隆与依赖安装

git clone https://gitcode.com/gh_mirrors/tf/tf-estimator-tutorials cd tf-estimator-tutorials pip install -r requirements.txt

2. 聚类分析模块路径

项目中与聚类相关的核心代码位于：

数据生成：03_Clustering/01.0 - Generate Data Points + SKLearn Clustering.ipynb
Estimator API实现：03_Clustering/02.0 - TF k-means - Estimator API.ipynb
Experiment API实现：03_Clustering/03.0 - TF k-means - Experiment API.ipynb

三、数据准备与探索

1. 生成聚类数据

使用sklearn生成三维聚类数据，包含3个明显分离的簇：

from sklearn.datasets import make_blobs import matplotlib.pyplot as plt # 生成3个簇的三维数据 X, y_true = make_blobs(n_samples=300, centers=3, cluster_std=0.60, random_state=0) # 保存数据到CSV文件 np.savetxt('train-data.csv', X, delimiter=',')

2. 数据可视化

fig = plt.figure(figsize=(10, 7)) ax = fig.add_subplot(111, projection='3d') ax.scatter(X[:, 0], X[:, 1], X[:, 2], s=50);

四、使用TensorFlow Estimator实现K-means聚类

1. 定义数据输入函数

def csv_input_fn(file_names, batch_size=100): # 读取CSV文件 dataset = tf.data.TextLineDataset(file_names) # 解析CSV数据 dataset = dataset.map(lambda line: tf.decode_csv(line, record_defaults=[[0.0]]*3)) # 转换为特征字典 dataset = dataset.map(lambda *x: {'x': tf.stack(x)}) # 批次处理 dataset = dataset.batch(batch_size) return dataset

2. 创建K-means Estimator

from tensorflow.contrib.learn import KMeansClustering # 创建K-means Estimator estimator = KMeansClustering( num_clusters=3, # 聚类数量 feature_columns=[tf.feature_column.numeric_column('x', shape=[3])], initial_clusters=tf.contrib.factorization.RANDOM_INIT, # 随机初始化聚类中心 distance_metric=tf.contrib.factorization.SQUARED_EUCLIDEAN_DISTANCE, # 欧氏距离 model_dir='kmeans_model' # 模型保存路径 )

3. 训练模型

# 训练模型 estimator.fit(input_fn=lambda: csv_input_fn(['data/train-data.csv']), steps=1000)

4. 预测与评估

# 预测聚类结果 predictions = list(estimator.predict_cluster_idx(input_fn=lambda: csv_input_fn(['data/test-data.csv']))) # 获取聚类中心 clusters = estimator.clusters() print("聚类中心坐标：\n", clusters) # 评估聚类质量（轮廓系数） from sklearn.metrics import silhouette_score test_data = np.genfromtxt('data/test-data.csv', delimiter=',') score = silhouette_score(test_data, predictions) print("轮廓系数：", score) # 越接近1表示聚类效果越好

五、聚类结果可视化分析

图2：三维聚类数据的可视化结果，左图为训练数据聚类效果，右图为测试数据聚类效果

从可视化结果可以直观看到，K-means算法成功将三维数据分成了3个明显的簇。通过调整num_clusters参数，可以探索不同聚类数量对结果的影响。在实际应用中，可结合肘部法则（Elbow Method）和轮廓系数选择最优K值。

六、高级应用与优化技巧

1. 特征预处理

在实际应用中，建议对特征进行标准化处理：

def preprocess_features(features): x = features['x'] # Z-score标准化 x = tf.map_fn(lambda x: (x - tf.reduce_mean(x)) / tf.math.reduce_std(x), x) return {'x': x}

2. 使用Experiment API进行超参数调优

项目中的03.0 - TF k-means - Experiment API.ipynb展示了如何使用Experiment API进行超参数搜索，例如尝试不同的聚类数量和距离度量：

from tensorflow.contrib.learn import Experiment def create_estimator(run_config, hparams): return KMeansClustering( num_clusters=hparams.num_clusters, feature_columns=[tf.feature_column.numeric_column('x', shape=[3])] ) # 定义超参数网格 hparams = tf.contrib.training.HParams( num_clusters=3, batch_size=200 ) # 创建Experiment experiment = Experiment( estimator=create_estimator(run_config, hparams), train_input_fn=lambda: csv_input_fn(['data/train-data.csv']), eval_input_fn=lambda: csv_input_fn(['data/test-data.csv']), train_steps=1000 ) # 运行实验 experiment.train()