sklearn机器学习之Kmeans聚类基础用法

1.导入相应包

from sklearn.datasets import make_blobs
from matplotlib import pyplot as plt
from sklearn.cluster import KMeans

2.准备数据集

#利用sklearn内置函数生成特征数量为2，中心点为4，样本数为500的随机数据集
X, y = make_blobs(n_features=2, centers=4, n_samples=500, random_state=1)
plt.scatter(X[:, 0], X[:, 1], marker='o', s=8)

绘制图像如下：

3.通过类别绘制图像

color = ["red", "pink", "orange", "gray"]
for i in range(4):
    plt.scatter(X[y == i, 0], X[y == i, 1], color=color[i], marker='o', s=8)

绘制图像如下：

4.建立模型进行聚类

#设置簇类为3
n_clusters = 3
#训练
cluster = KMeans(n_clusters=n_clusters, random_state=0).fit(X)
#输出聚类后的结果
y_pred = cluster.labels_
y_pred

另一种方法

pre = cluster.fit_predict(X)
pre == y_pred

两种方法结果一致

5.重要属性

#中心坐标点
centroid = cluster.cluster_centers_
centroid

#距离和
inertia = cluster.inertia_
inertia

6.绘制分类后的图像

color = ["red","pink","orange","gray"]
fig, ax1 = plt.subplots(1)
#依次画出不同标签的数据
for i in range(n_clusters):
    ax1.scatter(X[y_pred==i, 0], X[y_pred==i, 1]
           ,marker='o'
           ,s=8
           ,c=color[i]
           )
#将聚类中心画出
ax1.scatter(centroid[:,0],centroid[:,1]
           ,marker="x"
           ,s=15
           ,c="black")
plt.savefig(r"C:\Users\86377\Desktop\3.png")

绘制图像如下：

7.计算轮廓系数

from sklearn.metrics import silhouette_samples
from sklearn.metrics import silhouette_score
#计算所有样本轮廓系数的均值
silhouette_score(X, y_pred)
#计算每个样本的轮廓系数
silhouette_samples(X, y_pred)
计算均值比较上述两种方式
silhouette_samples(X, y_pred).mean()

其中轮廓系数取值范围为（-1,1）越接近1表示簇内距离小，簇外距离大，为较优，反之，较差。

8.有卡林斯基-哈拉巴斯指数

from sklearn.metrics import calinski_harabasz_score
calinski_harabasz_score(X, y_pred)

该指数越高表示聚类效果越优