學習利用sklearn的幾個聚類方法：

一.幾種聚類方法

1.高斯混合聚類(mixture of gaussians)

2.k均值聚類(kmeans)

3.密度聚類，均值漂移(mean shift)

4.層次聚類或連接聚類(ward最小離差平方和)
二.評估方法

1.完整性：值：0-1，同一個類別所有數據樣本是否劃分到同一個簇中

2.同質性：值：0-1，每個簇是否只包含同一個類別的樣本

3.上面兩個的調和均值

4.以上三種在評分時需要用到數據樣本的真正標簽，但實際很難做到。輪廓系數（1，-1）：只使用聚類的數據，它計算的是每個數據樣本與同簇數據樣本和其它簇數據樣本之間的相似度，因為從平均來看，與同簇比較起來，比其它簇更相似。

三.說明

1.kmeans與高斯需要指定簇的數量(n_clusters=2,n_components=2)；均值漂移指定帶寬(bandwidth=7)；層次使用ward鏈接定義合並代價（距離），終止最大距離max_d。

2.圖中可以看出高斯的評估指標最好，其次是均值漂移，k均值與層次較差

四.sklearn聚類

  1 #!/usr/bin/python
  2 # -*- coding: utf-8 -*-
  3 
  4 import numpy as np
  5 import matplotlib.pyplot as plt
  6 from sklearn.cluster import
 
 KMeans
  7 from sklearn.cluster import MeanShift
  8 from sklearn.metrics import homogeneity_completeness_v_measure
  9 from sklearn import mixture
 10 from scipy.cluster.hierarchy import linkage
 11 from scipy.cluster.hierarchy import fcluster
 12 
 13 class ClusterMethod:
 14 
 15     def __init__
 
(self):
 16         l1=np.zeros(100)
 17         l2=np.ones(100)
 18         self.labels=np.concatenate((l1,l2),)
 19 
 20     #隨機創建兩個二維正太分布，形成數據集
 21     def dataProduction(self):
 22         # 隨機創建兩個二維正太分布，形成數據集
 23         np.random.seed(4711)
 24         c1 = np.random.multivariate_normal([10, 0], [[3, 1], [1, 4]], size=[100, ])
 25         l1 = np.zeros(100)
 26         l2 = np.ones(100)
 27         # 一個100行的服從正態分布的二維數組
 28         c2 = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[100, ])
 29         # 加上一些噪音
 30         np.random.seed(1)
 31         noise1x = np.random.normal(0, 2, 100)
 32         noise1y = np.random.normal(0, 8, 100)
 33         noise2 = np.random.normal(0, 8, 100)
 34         c1[:, 0] += noise1x  # 第0列加入噪音數據
 35         c1[:, 1] += noise1y
 36         c2[:, 1] += noise2
 37 
 38         # 定義繪圖
 39         self.fig = plt.figure(figsize=(20, 15))
 40         # 添加子圖，返回Axes實例，參數：子圖總行數，子圖總列數，子圖位置
 41         ax = self.fig.add_subplot(111)
 42         # x軸
 43         ax.set_xlabel(‘x‘, fontsize=30)
 44         # y軸
 45         ax.set_ylabel(‘y‘, fontsize=30)
 46         # 標題
 47         self.fig.suptitle(‘classes‘, fontsize=30)
 48         # 連接
 49         labels = np.concatenate((l1, l2), )
 50         X = np.concatenate((c1, c2), )
 51         # 散點圖
 52         pp1 = ax.scatter(c1[:, 0], c1[:, 1], cmap=‘prism‘, s=50, color=‘r‘)
 53         pp2 = ax.scatter(c2[:, 0], c2[:, 1], cmap=‘prism‘, s=50, color=‘g‘)
 54         ax.legend((pp1, pp2), (‘class 1‘, ‘class 2‘), fontsize=35)
 55         self.fig.savefig(‘scatter.png‘)
 56         return X
 57 
 58     def clusterMethods(self):
 59         X=self.dataProduction()
 60         self.fig.clf()#reset plt
 61         self.fig,((axis1,axis2),(axis3,axis4))=plt.subplots(2,2,sharex=‘col‘,sharey=‘row‘)#函數返回一個figure圖像和一個子圖ax的array列表
 62 
 63         #k-means
 64         self.kMeans(X,axis1)
 65         #mean-shift
 66         self.meanShift(X,axis2)
 67         #gaussianMix
 68         self.gaussianMix(X,axis3)
 69         #hierarchicalWard
 70         self.hierarchicalWard(X,axis4)
 71 
 72     def kMeans(self,X,axis1):
 73         kmeans=KMeans(n_clusters=2)#聚類個數
 74         kmeans.fit(X)#訓練
 75         pred_kmeans=kmeans.labels_#每個樣本所屬的類
 76         print(‘kmeans:‘,np.unique(kmeans.labels_))
 77         print(‘kmeans:‘,homogeneity_completeness_v_measure(self.labels,pred_kmeans))#評估方法，同質性，完整性，兩者的調和平均
 78         #plt.scatter(X[:,0],X[:,1],c=kmeans.labels_,cmap=‘prism‘)
 79         axis1.scatter(X[:,0],X[:,1],c=kmeans.labels_,cmap=‘prism‘)
 80         axis1.set_ylabel(‘y‘,fontsize=40)
 81         axis1.set_title(‘k-means‘,fontsize=40)
 82         #plt.show()
 83 
 84     def meanShift(self,X,axis2):
 85         ms=MeanShift(bandwidth=7)#帶寬
 86         ms.fit(X)
 87         pred_ms=ms.labels_
 88         axis2.scatter(X[:,0],X[:,1],c=pred_ms,cmap=‘prism‘)
 89         axis2.set_title(‘mean-shift‘,fontsize=40)
 90         print(‘mean-shift:‘,np.unique(ms.labels_))
 91         print(‘mean-shift:‘,homogeneity_completeness_v_measure(self.labels,pred_ms))
 92 
 93     def gaussianMix(self,X,axis3):
 94         gmm=mixture.GMM(n_components=2)
 95         gmm.fit(X)
 96         pred_gmm=gmm.predict(X)
 97         axis3.scatter(X[:, 0], X[:, 1], c=pred_gmm, cmap=‘prism‘)
 98         axis3.set_xlabel(‘x‘, fontsize=40)
 99         axis3.set_ylabel(‘y‘, fontsize=40)
100         axis3.set_title(‘gaussian mixture‘, fontsize=40)
101         print(‘gmm:‘,np.unique(pred_gmm))
102         print(‘gmm:‘,homogeneity_completeness_v_measure(self.labels,pred_gmm))
103 
104     def hierarchicalWard(self,X,axis4):
105         ward=linkage(X,‘ward‘)#訓練
106         max_d=110#終止層次算法最大的連接距離
107         pred_h=fcluster(ward,max_d,criterion=‘distance‘)#預測屬於哪個類
108         axis4.scatter(X[:,0], X[:,1], c=pred_h, cmap=‘prism‘)
109         axis4.set_xlabel(‘x‘,fontsize=40)
110         axis4.set_title(‘hierarchical ward‘,fontsize=40)
111         print(‘ward:‘,np.unique(pred_h))
112         print(‘ward:‘,homogeneity_completeness_v_measure(self.labels,pred_h))
113 
114         self.fig.set_size_inches(18.5,10.5)
115         self.fig.savefig(‘comp_clustering.png‘,dpi=100)#保存圖
116 
117 if __name__==‘__main__‘:
118     cluster=ClusterMethod()
119     cluster.clusterMethods()

五.評估圖

參考：1.Machine.Learning.An.Algorithmic.Perspective.2nd.Edition.

　　　2.Machine Learning for the Web

學習sklearn聚類使用