背景知识

亚足联AFC：
1954年成立，总部马来西亚吉隆坡。
负责管理亚洲区足球事务，举办各项国家级及俱乐部级赛事，协助国际足联举行世界杯预选赛及4年一度的亚洲杯。
47个成员协会，包括阿富汗、缅甸、中国台北、中国香港、印度尼西亚、日本、韩国、巴基斯坦、菲律宾、新加坡、越南等。
分为两大势力——东亚及西亚，东亚包括有日本、韩国、中国、澳大利亚（来自大洋洲的澳大利亚于2006年加入亚足联），西亚有伊拉克、沙特阿拉伯、阿联酋等。

2018俄罗斯世界杯：
5大洲足联的32支球队参赛
东道主俄罗斯自动获得参赛资格
其余31支通过各大洲足联举办的预选赛事获得参赛资格（如，亚足联举办的亚洲区预选赛）

2018世界杯亚洲区预选赛：
预选赛12强赛，分两组，两组前两名直接晋级世界杯决赛，两组第3名之间的胜者获得附加赛资格。

数据

2019年国际足联的世界排名+2015年亚洲杯排名+2018俄罗斯世界杯排名（只有进入决赛的亚足联国家才有实际排名）
我这里选了20支球队

import pandas as pd

data= pd.read_csv(r"G:\case\data\footballRank.csv")

data.head()

	国家	2019国际排名	2018世界杯	2015亚洲杯
0	中国	73	40	7
1	日本	60	15	5
2	韩国	61	19	2
3	伊朗	34	18	6
4	沙特	67	26	10

思路

要用k-means模型，k-means是用距离做相似性度量的，先要做数据标准化，消除不同量纲级别带来的影响，使各维度上的量纲等价。

1、数据标准化
2、建模，用k-means做聚类

创建k-means模型：
KMeans(n_clusters=8, init=‘k-means++’, n_init= 10, max_iter=300, tol=0.0001, precompute_distances=‘auto’, verbose=0, random_state=None, copy_x=True, n_jobs=1, algorithm=‘auto’)
n_clusters: 即k值，一般需要多试一些k值。可以随机设置一些k值，选聚类效果最好的。
init: 初始值（初始中心点）选择的方式，默认是采用优化过的k-means++方式。也可以自己指定中心点，或者采用random完全随机的方式，一般推荐用优化过的k-means++方式。自己设置一般是对于个性化的数据进行设置，很少采用。
n_init: 初始化中心点的运算次数，默认是10。模型是否能快速收敛和中心点的选择关系非常大，所以在选中心点上多花一些时间，来争取整体时间上的快速收敛是值得的。每一次中心点是随机生成的，所以要多运行几次，选择最好的做初始中心点。k值比较大，可以适当增大n_init值。
max_iter: 最大迭代次数。如果聚类很难收敛的话，设置max_iter可以确保结束长时间运行。
algorithm: k-means的实现算法，三种取值：“auto”、“full”、“elkan”。推荐采用默认的“auto”。'full’采用传统的K-Means算法，‘auto会根据数据的特点自动选择full还是elkan。

fit(data)可以对data做聚类，predict(data)可以对每一个样本，计算最近的类

实验

1、Z-score标准化

k-means用距离度量相似度，需要做数据规范化，我采用了其中的标准化方法：Z-score。用来消除不同量纲级别带来的误差。

import numpy as np
from sklearn import preprocessing

train_x=data[['2019国际排名','2018世界杯', '2015亚洲杯']]

scaled_x= preprocessing.scale(train_x)

d:\python27\lib\site-packages\ipykernel_launcher.py:1: DataConversionWarning: Data with input dtype int64 were all converted to float64 by the scale function."""Entry point for launching an IPython kernel.

scaled_x

array([[-0.5842676 ,  0.05223517, -0.64677721],[-0.97679881, -2.12423024, -1.03291285],[-0.9466041 , -1.77599577, -1.61211632],[-1.76186121, -1.86305439, -0.83984503],[-0.76543585, -1.16658546, -0.06757374],[-0.04076286,  0.05223517, -1.22598067],[ 0.26118422,  0.05223517,  0.51162973],[-0.34270994,  0.05223517, -0.83984503],[-0.13134698,  0.05223517, -0.45370938],[ 0.89527309,  0.05223517,  1.28390102],[ 0.29137893,  0.92282133,  1.28390102],[-0.16154169,  0.92282133,  0.31856191],[ 0.71410485,  0.92282133,  0.12549408],[ 0.5329366 ,  0.92282133,  0.70469755],[ 2.16345083,  0.92282133,  1.28390102],[-1.58069297, -0.81835099, -1.80518414],[-0.49368348,  0.05223517,  1.28390102],[ 0.77449426,  0.92282133, -0.26064156],[ 2.042672  ,  0.92282133,  0.89776537],[ 0.11021068,  0.92282133,  1.0908332 ]])

2、k-means做聚类

from sklearn.cluster import KMeans

K值选几呢？
选3，将亚洲足球划分为3个梯队

k=3
model= KMeans(n_clusters= k, init='k-means++', n_init=10, max_iter= 300)
clf= model.fit(scaled_x)
pre_y= clf.predict(scaled_x)

#concat合并
result= pd.concat([data, pd.DataFrame(pre_y)], axis=1)

result

	国家	2019国际排名	2018世界杯	2015亚洲杯	0
0	中国	73	40	7	1
1	日本	60	15	5	2
2	韩国	61	19	2	2
3	伊朗	34	18	6	2
4	沙特	67	26	10	2
5	伊拉克	91	40	4	1
6	卡塔尔	101	40	13	0
7	阿联酋	81	40	6	1
8	乌兹别克斯坦	88	40	8	1
9	泰国	122	40	17	0
10	越南	102	50	17	0
11	阿曼	87	50	12	0
12	巴林	116	50	11	0
13	朝鲜	110	50	14	0
14	印尼	164	50	17	0
15	澳洲	40	30	1	2
16	叙利亚	76	40	17	0
17	约旦	118	50	9	0
18	科威特	160	50	15	0
19	巴勒斯坦	96	50	16	0

根据聚类结果可以看到:
日本、韩国、伊朗、沙特、澳洲为一梯队
中国、伊拉克、阿联酋、乌兹别克斯坦为一梯队
卡塔尔、泰国、越南、阿曼、巴林、朝鲜、印尼、叙利亚、约旦、科威特、巴勒斯坦为一梯队

用k-means对亚洲足球队做聚类相关推荐

k均值聚类算法(K Means)及其实战案例
算法说明 K均值聚类算法其实就是根据距离来看属性,近朱者赤近墨者黑.其中K表示要聚类的数量,就是说样本要被划分成几个类别.而均值则是因为需要求得每个类别的中心点,比如一维样本的中心点一般就是求这些样本 ...
OpenCV的k - means聚类 -对图片进行颜色量化
OpenCV的k - means聚类目标学习使用cv2.kmeans()数据聚类函数OpenCV 理解参数输入参数样品:它应该的np.float32数据类型,每个特性应该被放在一个单独的列. ...
OpenCV官方文档理解k - means聚类
理解k - means聚类目标在这一章中,我们将了解k - means聚类的概念,它是如何工作等. 理论我们将这个处理是常用的一个例子. t恤尺寸问题考虑一个公司要发布一个新模型的t恤. 显然 ...
为了联盟还是为了部落 | K means
1. 问题人类有个很有趣的现象,一群人在一起,过一段时间就会自发的形成一个个的小团体.好像我们很擅长寻找和自己气质接近的同类.其实不只是人类,数据也有类似情况,这就是聚类(Clustering)的意 ...
kmeans改进 matlab,基于距离函数的改进k―means 算法
摘要:聚类算法在自然科学和和社会科学中都有很普遍的应用,而K-means算法是聚类算法中经典的划分方法之一.但如果数据集内相邻的簇之间离散度相差较大,或者是属性分布区间相差较大,则算法的聚类效果十分有 ...
文献记录(part89)--I-k-means-+:An iterative clustering algorithm based on an enhanced k -means
学习笔记,仅供参考,有错必究关键词:k均值:解决方案改进:准确的k均值:迭代改进 I-k-means-+:An iterative clustering algorithm based on an ...
K means 图片压缩
k-means的基本原理较为清晰,这里不多赘述,本次博客主要通过基础的k means算法进行图像的压缩处理. 原理分析在彩色图像中,每个像素的大小为3字节(RGB),可以表示的颜色总数为256 * ...
R语言Kmeans聚类、抽取聚类簇：fpc包的kmeansruns函数通过Calinski-Harabasz准则和平均轮廓系数（ASW）为Kmeans选择最优的聚类K值、并与层次聚类的最优K值进行比较
R语言Kmeans聚类.抽取Kmeans聚类找到的聚类簇:fpc包的kmeansruns函数通过Calinski-Harabasz准则和平均轮廓系数(Average average silhouett ...
k means聚类算法_一文读懂K-means聚类算法
1.引言什么是聚类?我们通常说,机器学习任务可以分为两类,一类是监督学习,一类是无监督学习.监督学习:训练集有明确标签,监督学习就是寻找问题(又称输入.特征.自变量)与标签(又称输出.目标.因变量) ...

用k-means对亚洲足球队做聚类

背景知识

数据

思路

实验

1、Z-score标准化

2、k-means做聚类

用k-means对亚洲足球队做聚类相关推荐

最新文章

热门文章