数据科学【六】：聚类（二）

数据科学【六】：聚类（二）

本文数据采用mnist dataset。

获得聚类中心点

使用cluster_centers_即可。
示例：将mnist数据集分为十个聚类，并绘制各个中心点。

import pandas as pd
import matplotlib.pyplot as plt

from sklearn.cluster import KMeans
from sklearn.datasets import load_digits

mnist = load_digits()


data_a = mnist.data
kmeans_a = KMeans(n_clusters = 10)
kmeans_a.fit(data_a)
from sklearn.decomposition import PCA

centers = PCA(2).fit_transform(kmeans_a.cluster_centers_)
plt.scatter(centers[:, 0], centers[:, 1])
plt.show()

聚类差异评价方式

我们可以使用disagree distance来评价两个聚类之间的差异。其定义为：
$$D(P,C)={\Sigma }_{x,y}{\mathbb{I}}_{P,C}(x,y)$$
其中
$${\mathbb{I}}_{P,C}(x,y)=\{\begin{array}{rl}1& ,若P与C在x,y的的归属问题上不同\\ 0& \end{array}$$
举个例子：下表为对$x_1$至$x_5$，$P$, $C$两聚类给出的标签：

	P	C
$x_1$	1	1
$x_2$	1	2
$x_3$	2	1
$x_4$	3	3
$x_5$	3	4

对于$x_1,x_2$, $P$认为它们标签相同， 均为1， 而$C$认为它们属不同类，因此diagree distance加上1.
对于$x_1,x_4$, $P$认为它们标签不同，$C$ 也认为它们标签不同，因此两个聚类在这两个数据上达成一致， diagree distance加上0.
示例：计算上一节进行的10分类与原标签的disagree distance

labels_b = mnist.target
labels_a = kmeans_a.labels_
disagreement_dis = 0
for i in range(len(labels_b)-1):
    for j in range(i+1, len(labels_b)):
        if (labels_a[i] == labels_a[j]) != (labels_b[i] == labels_b[j]):
            disagreement_dis += 1

print(disagreement_dis)

99161