K-means聚类

K-means聚类

问题背景

用于解决以下问题：有n个点，每个点都有m个特征值（一般不会太多），将其分为k类。

要求：类与类之间的差距尽可能大，类之间各点的差距尽可能小。这一目标我们使用轮廓系数来衡量。

下面我将展示如何调用python中的sklearn快速地完成聚类算法。

需要导入的库

from sklearn.metrics import silhouette_score
from Bio.Cluster import kcluster
from sklearn.cluster import KMeans

中心点坐标以及分类结果

# 这里的X是原始点坐标，n行m列，表示有n个点，每个点的特征值数量为m个
# 这里n_clusters=4表示分为4类
K = KMeans(n_clusters=4, random_state=0)
# 这句话必不可少
y_pred = K.fit_predict(X)
# 中心点
center = K.cluster_centers_
print(center)
# 分类结果
label=K.labels_
print(label)

轮廓系数

# 下面这一系列过程完成了分别求出分3类到15类情况下轮廓系数的大小（最大的为最佳方案）
coef = []

x = range(3, 15)
for clusters in x:
    print(clusters)
    clusterid, error, nfound = kcluster(X, clusters, dist='u', npass=100)
    silhouette_avg = silhouette_score(X, clusterid, metric='cosine')
    coef.append(silhouette_avg)

e = [i + 3 for i, j in enumerate(coef) if j == max(coef)]
print(e)
print(coef)