python中shift(1)_（数据科学学习手札14）Mean-Shift聚类法简单介绍及Python实现

不管之前介绍的K-means还是K-medoids聚类，都得事先确定聚类簇的个数，而且肘部法则也并不是万能的，总会遇到难以抉择的情况，而本篇将要介绍的Mean-Shift聚类法就可以自动确定k的个数，下面简要介绍一下其算法流程：

1.随机确定样本空间内一个半径确定的高维球及其球心；

2.求该高维球内质心，并将高维球的球心移动至该质心处；

3.重复2，直到高维球内的密度随着继续的球心滑动变化低于设定的阈值，算法结束

具体的原理可以参考下面的地址，笔者读完觉得说的比较明了易懂：

http://blog.csdn.net/google19890102/article/details/51030884

而在Python中，机器学习包sklearn中封装有该算法，下面用一个简单的示例来演示如何在Python中使用Mean-Shift聚类：

一、低维

from sklearn.cluster importMeanShiftimportmatplotlib.pyplot as pltfrom sklearn.manifold importTSNEfrom matplotlib.pyplot importstyleimportnumpy as np'''设置绘图风格'''style.use('ggplot')'''生成演示用样本数据'''data1= np.random.normal(0,0.3,(1000,2))

data2= np.random.normal(1,0.2,(1000,2))

data3= np.random.normal(2,0.3,(1000,2))

data=np.concatenate((data1,data2,data3))#data_tsne = TSNE(learning_rate=100).fit_transform(data)

'''搭建Mean-Shift聚类器'''clf=MeanShift()'''对样本数据进行聚类'''predicted=clf.fit_predict(data)

colors= [['red','green','blue','grey'][i] for i inpredicted]'''绘制聚类图'''plt.scatter(data[:,0],data[:,1],c=colors,s=10)

plt.title('Mean Shift')

二、高维

from sklearn.cluster importMeanShiftimportmatplotlib.pyplot as pltfrom sklearn.manifold importTSNEfrom matplotlib.pyplot importstyleimportnumpy as np'''设置绘图风格'''style.use('ggplot')'''生成演示用样本数据'''data1= np.random.normal(0,0.3,(1000,6))

data2= np.random.normal(1,0.2,(1000,6))

data3= np.random.normal(2,0.3,(1000,6))

data=np.concatenate((data1,data2,data3))

data_tsne= TSNE(learning_rate=100).fit_transform(data)'''搭建Mean-Shift聚类器'''clf=MeanShift()'''对样本数据进行聚类'''predicted=clf.fit_predict(data)

colors= [['red','green','blue','grey'][i] for i inpredicted]'''绘制聚类图'''plt.scatter(data_tsne[:,0],data_tsne[:,1],c=colors,s=10)

plt.title('Mean Shift')

三、实际生活中的复杂数据

我们以之前一篇关于K-means聚类的实战中使用到的重庆美团商户数据为例，进行Mean-Shift聚类：

importmatplotlib.pyplot as pltfrom sklearn.cluster importMeanShiftfrom sklearn.manifold importTSNEimportpandas as pdimportnumpy as npfrom matplotlib.pyplot importstyle

style.use('ggplot')

data= pd.read_excel(r'C:\Users\windows\Desktop\重庆美团商家信息.xlsx')

input= pd.DataFrame({'score':data['商家评分'][data['数据所属期'] ==data.iloc[0,0]],'comment':data['商家评论数'][data['数据所属期'] ==data.iloc[0,0]],'sales':data['本月销售额'][data['数据所属期'] ==data.iloc[0,0]]})'''去缺省值'''input=input.dropna()

input_tsne= TSNE(learning_rate=100).fit_transform(input)'''创造色彩列表'''with open(r'C:\Users\windows\Desktop\colors.txt','r') as cc:

col=cc.readlines()

col= [col[i][:7] for i in range(len(col)) if col[i][0] == '#']'''进行Mean-Shift聚类'''clf=MeanShift()

cl=clf.fit_predict(input)'''绘制聚类结果'''np.random.shuffle(col)

plt.scatter(input_tsne[:,0],input_tsne[:,1],c=[col[i] for i in cl],s=8)

plt.title('Mean-Shift Cluster of {}'.format(str(len(set(cl)))))

可见在实际工作中的复杂数据用Mean-Shift来聚类因为无法控制k个值，可能会产生过多的类而导致聚类失去意义，但Mean-Shift在图像分割上用处很大。

以上便是本篇对Mean-Shift简单的介绍，如有错误望指出。