sklearn kmeans_使用 Sklearn 实现Kmeans聚类的最简单代码及说明

#废话不多说，直接上代码！

#重要的部分有注释，所有的参数都有参数说明，可以直接运行，适合小白。

#未经许可，禁止转载。

from sklearn.datasets import make_blobs

import matplotlib.pyplot as plt

from sklearn.cluster import KMeans

import pandas as pd

import numpy as np

#自己创建数据集

#500个数据，2维，4个簇，不随机

X, y = make_blobs(n_samples=500,n_features=2,centers=4,random_state=1)

#建模：聚成3簇，然后把X放入模型中训练

cluster = KMeans(n_clusters=3, random_state=0).fit(X)

#画图

color = ["red","pink","orange","gray"]

fig, ax1 = plt.subplots(1)

#画出簇

for i in range(3):

ax1.scatter(X[y_pred==i, 0], X[y_pred==i, 1] ,marker='o' ,s=8,c=color[i])

#画出质心

ax1.scatter(centroid[:,0],centroid[:,1] ,marker="x" ,s=15,c="black")

plt.show()

-----------------------------------------------------------------------------------------------

#其他

#查看质心

centroid = cluster.cluster_centers_

print(centroid)

#查看聚好的类别，每个样本所对应的类，即每一个点的标签属性

y_pred = cluster.labels_

#y_pred #由0,1,2组成

#查看总距离的平方和，越小越好

inertia = cluster.inertia_

print(inertia)

#模型评估指标1：轮廓系数，轮廓系数范围是(-1,1)，其中值越接近1表示样本与自己所在的簇中的样本很相似，并且与其他簇中的样本不相似，

#当样本点与簇外的样本更相似的时候，轮廓系数就为负。当轮廓系数为0时，则代表两个簇中的样本相似度一致，两个簇本应该是一个簇。

#可以总结为轮廓系数越接近于1越好，负数则表示聚类效果非常差。

from sklearn.metrics import silhouette_score

from sklearn.metrics import silhouette_samples

silhouette_score(X,y_pred) #参数1：完整的数据；参数2：每一个点的标签属性

#模型评估指标2：卡林斯基-哈拉巴斯指数，越高越好

from sklearn.metrics import calinski_harabaz_score

calinski_harabaz_score(X, y_pred)