快捷導(dǎo)航

python實現(xiàn)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(xiàn)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(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

一.分散性聚類(kmeans)

算法流程:

1.選擇聚類的個數(shù)k.

2.任意產(chǎn)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(fù)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(jīng)典算法，簡單、快速

2.對處理大數(shù)據(jù)集，該算法保持可伸縮性和高效率

3.當(dāng)結(jié)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(yīng)用

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

3.不適合于發(fā)現(xiàn)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(shù)據(jù)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(xiàn)，只需要調(diào)用相應(yīng)函數(shù)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?nèi)√卣骺臻g中的4個維度
print(X.shape)
 
# 繪制數(shù)據(jù)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(gòu)造聚類器
estimator.fit(X) # 聚類
label_pred = estimator.labels_ # 獲取聚類標(biāo)簽
# 繪制k-means結(jié)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(jié)果：

二.結(jié)構(gòu)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(jié)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(xì)分為越來越小的簇，直到達(dá)到了某個終結(jié)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(shù)目：")
print (pd.Series(clustering.labels_).value_counts())
print ("聚類結(jié)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(jié)果：

三.密度聚類之DBSCAN算法:

算法:

需要兩個參數(shù)：ε (eps) 和形成高密度區(qū)域所需要的最少點數(shù) (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(biāo)簽為雜音。注意這個點之后可能被發(fā)現(xiàn)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(shù)據(jù)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(jié)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(jié)果：

改變參數(shù)后：

四、結(jié)果分析

從上面三種實驗截圖可以看出，k-means聚類和AGNES層次聚類分析結(jié)果差不多的三類，與DBSCAN的結(jié)果不一樣。為啥不一樣，這就取決于算法本身的優(yōu)缺點了。

k-means對于大型數(shù)據(jù)集也是簡單高效、時間復(fù)雜度、空間復(fù)雜度低。最重要是數(shù)據(jù)集大時結(jié)果容易局部最優(yōu)；需要預(yù)先設(shè)定K值，對最先的K個點選取很敏感；對噪聲和離群值非常敏感；只用于numerical類型數(shù)據(jù)；不能解決非凸數(shù)據(jù)。

DBSCAN對噪聲不敏感；能發(fā)現(xiàn)任意形狀的聚類。但是聚類的結(jié)果與參數(shù)有很大的關(guān)系；DBSCAN用固定參數(shù)識別聚類，但當(dāng)聚類的稀疏程度不同時，相同的判定標(biāo)準(zhǔn)可能會破壞聚類的自然結(jié)構(gòu)，即較稀的聚類會被劃分為多個類或密度較大且離得較近的類會被合并成一個聚類。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: