聚类算法api初步使用

聚类算法api初步使用

1 api介绍

• sklearn.cluster.KMeans(n_clusters=8)
  • 参数:
    • n_clusters:开始的聚类中心数量
      • 整型，缺省值=8，生成的聚类数，即产生的质心（centroids）数。
  • 方法:
    • estimator.fit(x)                   【训练】
    • estimator.predict(x)           【预测】
    • estimator.fit_predict(x)      【也可以把训练和预测一块来写】
      • 计算聚类中心并预测每个样本属于哪个类别,相当于先调用fit(x),然后再调用predict(x)

2 案例

随机创建不同二维数据集作为训练集，并结合k-means算法将其聚类，可以尝试分别聚类不同数量的簇，并观察聚类效果：

聚类参数n_cluster传值不同，得到的聚类结果不同

2.1流程分析

2.2 代码实现

1.创建数据集

from sklearn.datasets._samples_generator import make_blobs
import matplotlib.pyplot as plt

#  创建数据集
#  X为样本特征，Y为样本簇类别，共1000个样本，每个样本4个特征，共4个簇
#  簇中心在[-1,-1], [0,0],[1,1], [2,2]， 簇方差分别为[0.4, 0.2, 0.2, 0.2]
#  make_blobs(n_features=生成数据维度,n_samples=样本数量,centers=[每个类别中心坐标],cluster_std=[每个类别离散程度-方差])
x, y = make_blobs(n_samples=1000, n_features=2, centers=[[-1, -1], [0, 0], [1, 1], [2, 2]],
                  cluster_std=[0.4, 0.2, 0.2, 0.2], random_state=9)

#  数据集可视化
plt.scatter(x[:, 0], x[:, 1], marker='o', c=y)  # c=y会将生成的聚类图像分别为不同的颜色
plt.show()

运行结果：

2.使用k-means进行聚类,并使用CH方法评估

from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
from sklearn.metrics import calinski_harabasz_score
from sklearn.datasets._samples_generator import make_blobs

#  创建数据集
#  X为样本特征，Y为样本簇类别，共1000个样本，每个样本4个特征，共4个簇
#  簇中心在[-1,-1], [0,0],[1,1], [2,2]， 簇方差分别为[0.4, 0.2, 0.2, 0.2]
#  make_blobs(n_features=生成数据维度,n_samples=样本数量,centers=[每个类别中心坐标],cluster_std=[每个类别离散程度-方差])
x, y = make_blobs(n_samples=1000, n_features=2, centers=[[-1, -1], [0, 0], [1, 1], [2, 2]],
                  cluster_std=[0.4, 0.2, 0.2, 0.2], random_state=9)

# 分别尝试n_cluses=2\3\4,然后查看聚类效果
y_pred = KMeans(n_clusters=2, random_state=9).fit_predict(x)

#  数据集可视化
plt.scatter(x[:, 0], x[:, 1], marker='o', c=y_pred)  # c=y会将生成的聚类图像分别为不同的颜色
plt.show()

# 用Calinski-Harabasz Index评估的聚类分数
print(calinski_harabasz_score(x, y_pred))

运行结果：

当n_cluses=3时：

当n_cluses=4时：

当n_cluses=5时：