Como funciona o algoritmo K-means em Python?

O algoritmo K-means

O algoritmo K-means é um método de aprendizado de máquina não supervisionado que é amplamente utilizado na área de análise de dados. Ele é usado para agrupar um conjunto de dados em clusters, com base na similaridade entre as observações. O K-means é um algoritmo iterativo que busca minimizar a soma dos quadrados das distâncias entre os pontos e os centroides dos clusters.

O uso do K-means para análise de dados em Python

O K-means é uma técnica muito útil para análise de dados em Python. Ele pode ser aplicado em uma ampla variedade de problemas, como segmentação de clientes, detecção de anomalias, agrupamento de documentos e muito mais. Através do K-means, podemos identificar padrões e estruturas nos dados que podem não ser óbvios à primeira vista.

Implementando o algoritmo K-means em Python passo a passo

Agora, vamos entender como implementar o algoritmo K-means em Python passo a passo. Para isso, utilizaremos a biblioteca scikit-learn, que oferece uma implementação eficiente do K-means.

Passo 1: Importar as bibliotecas necessárias

import numpy as np
from sklearn.cluster import KMeans

Passo 2: Carregar os dados

# Carregar os dados (exemplo com dados fictícios)
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

Passo 3: Aplicar o K-means

# Criar uma instância do K-means com 2 clusters
kmeans = KMeans(n_clusters=2)

# Ajustar o K-means aos dados
kmeans.fit(X)

Passo 4: Analisar os resultados

# Obter os rótulos dos clusters para cada ponto
labels = kmeans.labels_

# Obter as coordenadas dos centroides
centroids = kmeans.cluster_centers_

Exemplo prático de aplicação do K-means em análise de dados com Python

Para ilustrar a aplicação do K-means em análise de dados com Python, consideremos um exemplo de segmentação de clientes em um e-commerce.

import pandas as pd
from sklearn.cluster import KMeans

# Carregar os dados
data = pd.read_csv("clientes.csv")

# Pré-processamento dos dados (remoção de outliers, normalização, etc.)

# Selecionar as features relevantes para a segmentação
features = data[['idade', 'renda', 'historico_compras']]

# Aplicar o K-means com 3 clusters
kmeans = KMeans(n_clusters=3)
kmeans.fit(features)

# Obter os rótulos dos clusters para cada cliente
labels = kmeans.labels_

# Adicionar os rótulos dos clusters ao dataframe original
data['cluster'] = labels

# Analisar os resultados
cluster_0 = data[data['cluster'] == 0]
cluster_1 = data[data['cluster'] == 1]
cluster_2 = data[data['cluster'] == 2]

A Awari é a melhor plataforma para aprender sobre ciência de dados no Brasil.

Aqui você encontra cursos com aulas ao vivo, mentorias individuais com os melhores profissionais do mercado e suporte de carreira personalizado para dar seu próximo passo profissional e aprender habilidades como Data Science, Data Analytics, Machine Learning e mais.

Já pensou em aprender de maneira individualizada com profissionais que atuam em empresas como Nubank, Amazon e Google? Clique aqui para se inscrever na Awari e começar a construir agora mesmo o próximo capítulo da sua carreira em dados.