sklearn实例学习：comparing different clustering algorithms on toy datasets（5.6.27节）

1. 本文是基于官方文档学习sklearn的一点记录和源代码解释。不对算法或代码原理做深入解释，只是大概说一下程序执行过程和函数的使用，再稍微记录遇到的问题。
2. 参考材料都是随便搜的，如有更好的，欢迎补充~
3. 因为不是专业的，有些地方翻译或理解会有问题，欢迎指正~

这个例子是sklearn learn官方手册中5.6.27小节的例子。在6个小数据集（toy dataset）上分别使用10种聚类算法的效果比较。 6个数据集包括不同的形状，比如同心圆状、互嵌的弯月形、随机产生的高斯分布、各向异性的高斯分布数据等。 10种聚类算法包括：MiniBatchKMeans，AffinityPropagation，MeanShift，SpectralClustering，Ward，AgglomerativeClustering，DBSCAN，OPTICS，Birch，GaussianMixture。

 

首先导入依赖包，都是常见的，其中warnings、itertools模块比较有特色。
warnings模块是python的告警模块（参考材料：\https://www.cnblogs.com/leomei91/p/7660928.html）。可以“产生、忽略告警”。
itertools模块是python用于迭代的模块（参考材料：https://www.cnblogs.com/fengshuihuan/p/7105545.html）。里面有很多用于高效循环和迭代的函数集合。

# 5.6.27
import time
import warnings 
import numpy as np
import matplotlib.pyplot as plt
from sklearn import cluster, datasets, mixture
from sklearn.neighbors import kneighbors_graph
from sklearn.preprocessing import StandardScaler
from itertools import cycle, islice

np.random.seed(0)

然后是代码主体。

# 第一步，定义样本数目，本例中6个数据集的样本数目都是1500
n_samples = 1500
# 第二步，生成数据集
# 第1个数据集，带噪音的同心圆形状数据集，参数noise表明大小，产生的数据集默认是二维的，因此形状为 (1500, 2)
# 官方说明：make a large circle containing a smaller circle in 2d
noisy_circles = datasets.make_circles(n_samples=n_samples, factor=.5, noise=.05)
# 第2个数据集，带噪音的互嵌弯月形状数据集，默认也是二维的，形状为 (1500, 2)
# 官方说明：make two interleaving half circles
noisy_moons = datasets.make_moons(n_samples=n_samples, noise=.05)
# 第3个数据集，符合高斯分布的随机数据集，默认是二维的，形状为 (1500, 2)
blobs = datasets.make_blobs(n_samples=n_samples, random_state=8)
# 第4个数据集，使用numpy的random模块生成的随机数，没有结构，形状为 (1500, 2)
no_structure = np.random.rand(n_samples, 2), None 
# 第5个数据集，先生成高斯分布的随机数据集，再对数据集做变化，生成各向异性的高斯分布数据集，形状为 (1500, 2) 
# anisotropicly distributed data
# 指定随机状态，随机状态random_state和随机种子rand.seed()的作用类似，固定随机序列，这样无论谁运行程序，生成的随机序列是一样的
random_state = 170
X, y = datasets.make_blobs(n_samples=n_samples, random_state=random_state)
transformation = [[0.6, -0.6], [-0.4, 0.8]]
# np.dot，矩阵点乘，只对训练数据X做变换，标签数据y不变