簡單粗暴理解與實現機器學習之聚類算法（二）：聚類算法api初步使用、案例

聚類算法

學習目標

• 掌握聚類算法實現過程
• 知道K-means算法原理
• 知道聚類算法中的評估模型
• 說明K-means的優缺點
• 瞭解聚類中的算法優化方式
• 應用Kmeans實現聚類任務
  

6.2 聚類算法api初步使用

1 api介紹

• sklearn.cluster.KMeans(n_clusters=8)
  • 參數:
    • n_clusters:開始的聚類中心數量
      • 整型，缺省值=8，生成的聚類數，即產生的質心（centroids）數。
  • 方法:
    • estimator.fit(x)
    • estimator.predict(x)
    • estimator.fit_predict(x)
      • 計算聚類中心並預測每個樣本屬於哪個類別,相當於先調用fit(x),然後再調用predict(x)

2 案例

隨機創建不同二維數據集作爲訓練集，並結合k-means算法將其聚類，你可以嘗試分別聚類不同數量的簇，並觀察聚類效果：

聚類參數n_cluster傳值不同，得到的聚類結果不同

2.1流程分析

2.2 代碼實現

1.創建數據集

import matplotlib.pyplot as plt
from sklearn.datasets.samples_generator import make_blobs
from sklearn.cluster import KMeans
from sklearn.metrics import calinski_harabaz_score

# 創建數據集
# X爲樣本特徵，Y爲樣本簇類別， 共1000個樣本，每個樣本4個特徵，共4個簇，
# 簇中心在[-1,-1], [0,0],[1,1], [2,2]， 簇方差分別爲[0.4, 0.2, 0.2, 0.2]
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)

# 數據集可視化
plt.scatter(X[:, 0], X[:, 1], marker='o')
plt.show()

2.使用k-means進行聚類,並使用CH方法評估

y_pred = KMeans(n_clusters=2, random_state=9).fit_predict(X)
# 分別嘗試n_cluses=2\3\4,然後查看聚類效果
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show()

# 用Calinski-Harabasz Index評估的聚類分數
print(calinski_harabaz_score(X, y_pred))