python——k-means聚类（余弦距离，用轮廓系数确定聚类系数K）

    用scikit-learn进行k-means聚类，默认使用欧式距离，为了用余弦距离作为度量，找了一个在生物信息学里比较常用的库：Biopython。Biopython为k-means聚类提供了各种距离函数，包括余弦距离、皮尔逊相似度量、欧式距离等。

    另外，为了确定一个合理的聚类系数，采用轮廓系数作为衡量标准：

    轮廓系数取值为[-1, 1]，其值越大越好。

from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
from Bio.Cluster import kcluster
from Bio.Cluster import clustercentroids
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
data=np.load('/home/philochan/ResExp/genderkernel/1.npy')
coef = []
x=range(3,20)
for clusters in x:
    clusterid, error, nfound = kcluster(data, clusters, dist='u',npass=100)
    silhouette_avg = silhouette_score(data, clusterid, metric = 'cosine')
    coef.append(silhouette_avg)
  
e =[i+3 for i,j in enumerate(coef) if j == max(coef)]
print e
print coef
plt.plot(x,coef)
plt.show()