聚类-K-mean

import numpy as np
import matplotlib as plt
import pandas as pd

#使用pandas分别读取训练数据和测试数据
digits_train = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/optdigits/optdigits.tra',header=None)
digits_test = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/optdigits/optdigits.tes',header=None)

#从训练与测试数字集上都分离出64维度的像素特征与1维度的数字目标
X_train = digits_train[np.arange(64)]
y_train = digits_train[64]

X_test = digits_test[np.arange(64)]
y_test = digits_test[64]

#训练模型
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=10)      #设置聚类中心数为10
kmeans.fit(X_train, y_train)
y_predict = kmeans.predict(X_test)  #逐条判断每个测试图像所属的聚类中心
#性能分析
from sklearn import metrics
print(metrics.adjusted_rand_score(y_test,y_predict))

输出：

性能测评：已经学习过分类、回归的性能评测标准，聚类的性能指标我们用两种方法来评测，本文讲解第一种Adjusted Rand Index(ARI)。如果被用来评估的数据本身带有正确的类别信息的话，通常使用ARI。ARI指标与分类问题中计算准确性的方法类似，同时也兼顾到了类簇无法和分类标记一一对应的问题。