python實現鳶尾花三種聚類算法（K-means,AGNES,DBScan）

更新時間：2019年06月27日 14:44:44 作者：weixin_42134141

這篇文章主要介紹了python實現鳶尾花三種聚類算法（K-means,AGNES,DBScan），文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

一.分散性聚類(kmeans)

算法流程:

1.選擇聚類的個數k.

2.任意產生k個聚類，然后確定聚類中心，或者直接生成k個中心。

3.對每個點確定其聚類中心點。

4.再計算其聚類新中心。

5.重復以上步驟直到滿足收斂要求。（通常就是確定的中心點不再改變。

優(yōu)點：

1.是解決聚類問題的一種經典算法，簡單、快速

2.對處理大數據集，該算法保持可伸縮性和高效率

3.當結果簇是密集的，它的效果較好

缺點

1.在簇的平均值可被定義的情況下才能使用，可能不適用于某些應用

2.必須事先給出k（要生成的簇的數目），而且對初值敏感，對于不同的初始值，可能會導致不同結果。

3.不適合于發(fā)現非凸形狀的簇或者大小差別很大的簇

4.對躁聲和孤立點數據敏感

這里為了看鳶尾花的三種聚類算法的直觀區(qū)別，所以不用具體算法實現，只需要調用相應函數即可。

程序如下：

import matplotlib.pyplot as plt 
import numpy as np 
from sklearn.cluster import KMeans
from sklearn import datasets 
 
iris = datasets.load_iris() 
X = iris.data[:, :4] # #表示我們取特征空間中的4個維度
print(X.shape)
 
# 繪制數據分布圖
plt.scatter(X[:, 0], X[:, 1], c="red", marker='o', label='see') 
plt.xlabel('sepal length') 
plt.ylabel('sepal width') 
plt.legend(loc=2) 
plt.show() 
 
estimator = KMeans(n_clusters=3) # 構造聚類器
estimator.fit(X) # 聚類
label_pred = estimator.labels_ # 獲取聚類標簽
# 繪制k-means結果
x0 = X[label_pred == 0]
x1 = X[label_pred == 1]
x2 = X[label_pred == 2]
plt.scatter(x0[:, 0], x0[:, 1], c="red", marker='o', label='label0') 
plt.scatter(x1[:, 0], x1[:, 1], c="green", marker='*', label='label1') 
plt.scatter(x2[:, 0], x2[:, 1], c="blue", marker='+', label='label2') 
plt.xlabel('sepal length') 
plt.ylabel('sepal width') 
plt.legend(loc=2) 
plt.show()

運行結果：

二.結構性聚類(層次聚類)

1.凝聚層次聚類：AGNES算法(自底向上)

首先將每個對象作為一個簇，然后合并這些原子簇為越來越大的簇，直到某個終結條件被滿足

2.分裂層次聚類：DIANA算法(自頂向下)

首先將所有對象置于一個簇中，然后逐漸細分為越來越小的簇，直到達到了某個終結條件。

這里我選擇的AGNES算法。

程序如下：

from sklearn import datasets
from sklearn.cluster import AgglomerativeClustering
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix
import pandas as pd
 
iris = datasets.load_iris()
irisdata = iris.data
 
clustering = AgglomerativeClustering(linkage='ward', n_clusters=3)
 
res = clustering.fit(irisdata)
 
print ("各個簇的樣本數目：")
print (pd.Series(clustering.labels_).value_counts())
print ("聚類結果：")
print (confusion_matrix(iris.target, clustering.labels_))
 
plt.figure()
d0 = irisdata[clustering.labels_ == 0]
plt.plot(d0[:, 0], d0[:, 1], 'r.')
d1 = irisdata[clustering.labels_ == 1]
plt.plot(d1[:, 0], d1[:, 1], 'go')
d2 = irisdata[clustering.labels_ == 2]
plt.plot(d2[:, 0], d2[:, 1], 'b*')
plt.xlabel("Sepal.Length")
plt.ylabel("Sepal.Width")
plt.title("AGNES Clustering")
plt.show()

運行結果：

三.密度聚類之DBSCAN算法:

算法:

需要兩個參數：ε (eps) 和形成高密度區(qū)域所需要的最少點數 (minPts)

它由一個任意未被訪問的點開始，然后探索這個點的 ε-鄰域，如果 ε-鄰域里有足夠的點，則建立一個新的聚類，否則這個點被標簽為雜音。注意這個點之后可能被發(fā)現在其它點的 ε-鄰域里，而該 ε-鄰域可能有足夠的點，屆時這個點會被加入該聚類中。

程序如下：

import matplotlib.pyplot as plt 
import numpy as np 
from sklearn.cluster import KMeans
from sklearn import datasets 
from sklearn.cluster import DBSCAN
 
iris = datasets.load_iris() 
X = iris.data[:, :4] # #表示我們只取特征空間中的4個維度
print(X.shape)
# 繪制數據分布圖
plt.scatter(X[:, 0], X[:, 1], c="red", marker='o', label='see') 
plt.xlabel('sepal length') 
plt.ylabel('sepal width') 
plt.legend(loc=2) 
plt.show() 
 
dbscan = DBSCAN(eps=0.4, min_samples=9)
dbscan.fit(X) 
label_pred = dbscan.labels_
 
# 繪制k-means結果
x0 = X[label_pred == 0]
x1 = X[label_pred == 1]
x2 = X[label_pred == 2]
plt.scatter(x0[:, 0], x0[:, 1], c="red", marker='o', label='label0') 
plt.scatter(x1[:, 0], x1[:, 1], c="green", marker='*', label='label1') 
plt.scatter(x2[:, 0], x2[:, 1], c="blue", marker='+', label='label2') 
plt.xlabel('sepal length') 
plt.ylabel('sepal width') 
plt.legend(loc=2) 
plt.show()

運行結果：