行业大数据实验报告通过聚类算法实现睡眠健康群体的精准智能划分

一、实验目标

本实验旨在通过聚类算法对睡眠健康群体进行多维特征分析，识别不同群体的睡眠模式，并根据群体特点制定个性化的睡眠改善方案。通过使用聚类算法，帮助理解不同群体的睡眠健康状况，为个性化健康管理提供支持。

二、实验环境

编程语言：Python 3.11
开发工具：Jupyter Notebook
使用的库：
- Pandas：用于数据处理和分析
- Scikit-learn：用于机器学习和聚类分析
- Matplotlib：用于结果可视化
- NumPy：用于数学运算和数据处理

三、实验数据

实验数据来自可穿戴设备记录的睡眠健康指标，包含以下特征：

Heart_Rate_Variability：心率变异性
Body_Temperature：体温
Movement_During_Sleep：睡眠时的运动量
Sleep_Duration_Hours：睡眠时长
Sleep_Quality_Score：睡眠质量评分
Caffeine_Intake_mg：咖啡因摄入量
Stress_Level：压力水平
Bedtime_Consistency：入睡时间一致性
Light_Exposure_hours：光照暴露时间

数据已上传并包含多个健康指标，适用于进行聚类分析。

四、实验步骤

数据加载和预处理：
- 加载数据并进行数据检查。
- 对数据进行标准化处理，使得各特征的量纲一致，避免某些特征的影响过大。
聚类算法选择：
- 使用K-means聚类算法进行群体划分。
- 使用肘部法选择最佳的簇数（K）。
聚类模型训练：
- 对标准化后的数据进行聚类分析，确定群体的划分。
- 计算聚类的惯性（Inertia）来评估模型。
分析与结果展示：
- 展示每个簇的中心和每个数据点的分类结果。
- 基于聚类结果分析每个簇的特点，并制定个性化的睡眠改善方案。
性能评估：
- 使用聚类的性能指标（如轮廓系数等）对聚类结果进行评估。

肘部法（Elbow Method）是一种常用的确定聚类数（簇数）的启发式方法，尤其是在 K-means 聚类中。它的核心思想是通过观察不同簇数下模型的表现来选择最佳的簇数。

代码展示

import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt# 数据加载
file_path = 'wearable_tech_sleep_quality.csv' #替换为自己的数据
data = pd.read_csv(file_path)# 数据标准化
features = data[['Heart_Rate_Variability', 'Body_Temperature', 'Movement_During_Sleep','Sleep_Duration_Hours', 'Sleep_Quality_Score', 'Caffeine_Intake_mg','Stress_Level', 'Bedtime_Consistency', 'Light_Exposure_hours']]
scaler = StandardScaler()
scaled_features = scaler.fit_transform(features)# 使用肘部法选择最佳簇数
inertia = []
for k in range(1, 11): kmeans = KMeans(n_clusters=k, random_state=42)kmeans.fit(scaled_features)inertia.append(kmeans.inertia_)
#从1到10（即簇数从1到10）训练不同簇数的 K-means 模型，计算每个模型的惯性，并将惯性值保存到 inertia 列表中。
#之后，通过绘制惯性值与簇数之间的关系图，我们可以观察惯性下降的趋势，并选择合适的簇数。# 绘制肘部法图形
#肘部法的核心是找到图形中的拐点。通常情况下，随着簇数的增加，惯性值会逐渐下降，
#但在某个点后，下降的幅度会显著减小，形成类似"肘部"的形状。此处即为最佳 K
plt.plot(range(1, 11), inertia, marker='o')
plt.title('Elbow Method for Optimal K')
plt.xlabel('Number of Clusters (K)')
plt.ylabel('Inertia')
plt.show()# 根据图形选择3个簇进行聚类
kmeans = KMeans(n_clusters=3, random_state=42)
clusters = kmeans.fit_predict(scaled_features)
data['Cluster'] = clusters# 映射簇编号到对应的睡眠质量群体
cluster_mapping = {0: '低质量睡眠群体', 1: '中等睡眠质量群体', 2: '高质量睡眠群体'}# 将聚类标签替换为对应的群体名称
data['Sleep_Quality_Group'] = data['Cluster'].map(cluster_mapping)# 将结果写入新的 CSV 文件
output_file = 'new_sleep_quality_grouped.csv'
data.to_csv(output_file, index=False)# 输出文件路径，方便用户下载
print(f"更新后的数据已保存为: {output_file}")

kmeans = KMeans(n_clusters=3, random_state=42)
clusters = kmeans.fit_predict(scaled_features)
的详细解释

1.kmeans = KMeans(n_clusters=3, random_state=42)

KMeans 是 scikit-learn 中用于执行 K-means 聚类算法的类。K-means 是一种无监督学习算法，它通过将数据点分配到 K 个簇中，使每个簇内部的点尽可能相似，而不同簇的点尽可能不同。

n_clusters=3：

这个参数指定了要将数据分成几个簇。这里的 3 表示将数据分成 3 个簇。选择簇数（K）通常是通过肘部法（Elbow Method）或其他方法来确定的。

random_state=42：

random_state 用于设置随机数种子，使得每次运行代码时都能获得相同的结果。K-means 聚类算法在初始化簇中心时是随机的，因此指定 random_state 可以确保结果的可重复性。

42 是任意选择的数值，它确保了代码运行时随机数生成器的初始化是一致的。

2. clusters = kmeans.fit_predict(scaled_features)

kmeans.fit_predict(scaled_features)：

fit：该方法用于训练 K-means 聚类模型，依据输入的特征数据 scaled_features 来执行聚类计算。它通过不断调整簇中心来最小化每个簇内的误差（惯性），直到收敛（即簇中心不再变化或变化极小）。

predict：该方法会使用训练好的模型来对每个数据点进行预测，即将每个数据点分配到它最接近的簇中心。

fit_predict 是 fit 和 predict 方法的合并方法，它不仅执行训练过程，而且返回每个数据点的簇标签（即它所属的簇的编号）。

例如，如果你有 1000 个样本，fit_predict 将返回一个长度为 1000 的数组，其中每个元素是样本所属簇的编号（例如 0, 1, 2）。

scaled_features 是标准化后的特征数据，包含了每个数据点的多个特征。这是输入到 K-means 模型中的数据，因为标准化后的数据有助于提高聚类算法的效果，避免因为特征的尺度不同而影响聚类结果。

五、实验结果

聚类训练过程：通过肘部法，我们发现最适合的簇数为 3。接着使用 K-means 聚类算法进行模型训练，得到以下聚类结果：
- 簇 0：低质量睡眠群体
- 簇 1：中等睡眠质量群体
- 簇 2：高质量睡眠群体
群体划分与分析：聚类后的数据展示了每个群体的特征：
- 簇 0（低质量睡眠群体）：睡眠时长较短，压力水平较高，咖啡因摄入量较多，睡眠质量较低。
- 簇 1（中等睡眠质量群体）：睡眠时长适中，睡眠质量中等，咖啡因摄入量适中，压力水平适中。
- 簇 2（高质量睡眠群体）：睡眠时长较长，压力水平较低，咖啡因摄入量较低，睡眠质量较高。
个性化睡眠改善方案：
- 簇 0：建议延长睡眠时长，减少咖啡因摄入，减轻压力，增加运动。
- 簇 1：建议保持规律作息，优化睡眠环境，减少咖啡因摄入，进行适度运动。
- 簇 2：建议维持现有习惯，继续保持低压力和健康的睡眠环境，增加日间光照暴露。
聚类性能评估：聚类模型的轮廓系数（Silhouette Score）为 0.45，说明聚类效果较好，但仍有提升空间。惯性值也在进一步优化过程中得到改善。