Python实现Iris数据集（鸢尾花卉数据集）meanshift聚类

一，鸢尾花Iris数据集解析参考博文：https://blog.csdn.net/u010916338/article/details/86487890

二，Python使用meanshift聚类，并绘制聚类散点图。

from sklearn.cluster import MeanShift
from sklearn import datasets
import matplotlib.pyplot as plt

#加载数据集，是一个字典类似Java中的map
lris_df = datasets.load_iris()

#挑选出前两个维度作为x轴和y轴，你也可以选择其他维度
x_axis = lris_df.data[:,0]
y_axis = lris_df.data[:,2]

#构建模型
model = MeanShift()

#训练模型
model.fit(lris_df.data)

#预测全部150条数据
predicted = model.fit_predict(lris_df.data)

#打印出来对150条数据的聚类散点图
plt.scatter(x_axis,y_axis,c=predicted)

meanshift聚类的效果和kmeans聚成两类的效果相当 

 

三，meanshift算法流程

（1）确定滑动窗口半径r，以随机选取的中心点C半径为r的圆形滑动窗口开始滑动。均值漂移类似一种爬山算法，在每一次迭代中向密度更高的区域移动，直到收敛。 
（2）每一次滑动到新的区域，计算滑动窗口内的均值来作为中心点，滑动窗口内的点的数量为窗口内的密度。在每一次移动中，窗口向密度更高的区域移动。 
（3）移动窗口，计算窗口内的中心点以及窗口内的密度，知道没有方向在窗口内可以容纳更多的点，即一直移动到圆内密度不再增加为止。 
（4）步骤一到三会产生很多个滑动窗口，当多个滑动窗口重叠时，保留包含最多点的窗口，然后根据数据点所在的滑动窗口进行聚类。

单个滑动窗口演示：

多个滑动窗口（其中起始点的个数可以为所有样本或者随机抽样，初始值覆盖面广可以解决kmeans局部最优问题）

 

四，meanshift的优缺点

优点：

（1）不同于K-Means算法，均值漂移聚类算法不需要我们知道有多少类/组。 
（2）基于密度的算法相比于K-Means受均值影响较小。  

缺点：

窗口大小/半径「r」的选择很重要。