Kmeans代码及其可视化

import numpy as np
import os
import matplotlib
import matplotlib.pyplot as plt
import warnings

warnings.filterwarnings('ignore')

plt.rcParams['axes.labelsize'] = 14
plt.rcParams['xtick.labelsize'] = 12
plt.rcParams['ytick.labelsize'] = 12
np.random.seed(42)

from sklearn.datasets import make_blobs

# 指定五个中心，构造数据
blob_centers = np.array(
    [[0.2, 2.3],
     [-1.5, 2.3],
     [-2.8, 1.8],
     [-2.8, 2.8],
     [-2.8, 1.3]])
blob_std = np.array([0.4, 0.3, 0.1, 0.1, 0.1])  # 发散程度不那么大
# 样本个数，中心点，发散程度
x, y = make_blobs(n_samples=2000,
                  centers=blob_centers,
                  cluster_std=blob_std,
                  random_state=7)


# print(x,y)
def plot_clusters(x, y=None):
    plt.scatter(x[:, 0], x[:, 1], c=y, s=1)
    plt.xlabel('$x_1$', fontsize=14)
    plt.ylabel('$x_2$', fontsize=14, rotation=0)


# plt.figure(figsize=(8,4))
# plot_clusters(x)
# plt.show()

# 决策边界
from sklearn.cluster import KMeans

k = 5  # 五个簇
kmeans = KMeans(n_clusters=k, random_state=42)
# 训练并且得到预测结果
y_predict = kmeans.fit_predict(x)
# 预测值
print('y_pre:\n', y_predict)
# 标签值
print('labels:\n', kmeans.labels_)
# 中心点
print('center:\n', kmeans.cluster_centers_)

# 构造一组测试集
x_new = np.array([[0, 2], [3, 2], [-3, 3], [-3, 2.5]])

# 预测点所属的类(已经训练过了)
y_predict_new = kmeans.predict(x_new)
print(y_predict_new)

# transform 可以看一个点到各个中心点的距离
x_new_f = kmeans.transform(x_new)
print('x_new_f:\n', x_new_f)


# 可视化数据
def plot_data(x):
    plt.plot(x[:, 0], x[:, 1], 'k.', markersize=2)


# 画centroids中心点
def plot_centroids(centroids, weights=None, circle_color='w', cross_color='k'):
    if weights is not None:
        centroids = centroids[weights > weights.max() / 10]

    #画那个底色
    plt.scatter(centroids[:, 0], centroids[:, 1],
                marker='o', s=30, linewidths=8,
                color=circle_color, zorder=10, alpha=0.9)

    #h画上面的叉
    plt.scatter(centroids[:, 0], centroids[:, 1],
                marker='x', s=50, linewidths=5,
                color=cross_color, zorder=11, alpha=1)

# 画决策边界
# 参数:clusterer 聚类的方法，例如kmeans;x 数据啊;resolustion,数据细化程度，show—就是否调用呗
def plot_decision_boundaries(clusterer, x, resolustion=1000, show_centroids=True,
                             show_xlabels=True, show_ylabels=True):
    # 取这个用来画网格的
    mins = x.min(axis=0) - 0.1
    maxs = x.max(axis=0) + 0.1
    print(mins, maxs)
    xx, yy = np.meshgrid(np.linspace(mins[0], maxs[0], resolustion),
                         np.linspace(mins[1], maxs[1], resolustion))
    z = clusterer.predict(np.c_[xx.ravel(), yy.ravel()])
    z = z.reshape(xx.shape)
    # 绘制区域颜色，不绘制等高线
    plt.contourf(z, extent=(mins[0], maxs[0], mins[1], maxs[1]),
                 cmap='Pastel2')
    # 绘制等高线，不绘制区域颜色
    plt.contour(z, extent=(mins[0], maxs[0], mins[1], maxs[1]),
                linewidths=1, colors='k')
    # 画数据
    plot_data(x)
    # 画中心点
    if show_centroids:
        plot_centroids(clusterer.cluster_centers_)
    # x坐标
    if show_xlabels:
        plt.xlabel('$x_1$', fontsize=14)
    else:
        plt.tick_params(labelbottom='off')
    # y坐标
    if show_ylabels:
        plt.ylabel('$x_2$', fontsize=14, rotation=0)
    else:
        plt.tick_params(labelleft='off')


plt.figure(figsize=(8, 4))
plot_decision_boundaries(kmeans, x)
plt.show()

# 算法流程
# 簇类5,init随机初始化,n_init跑的次数,取最好的一次,最多迭代次数
k1 = KMeans(n_clusters=5, init='random', n_init=1, max_iter=1, random_state=1)
k2 = KMeans(n_clusters=5, init='random', n_init=1, max_iter=2, random_state=1)
k3 = KMeans(n_clusters=5, init='random', n_init=1, max_iter=3, random_state=1)

k1.fit(x)
k2.fit(x)
k3.fit(x)

# 第一步执行一次，分别画一个数据预测图，一个决策边界图
plt.figure(figsize=(10, 8))
plt.subplot(321)  # 三行两列第一个
plot_data(x)

plot_centroids(k1.cluster_centers_,circle_color='r')
plt.title('update center')

plt.subplot(322)  # 三行两列第二个
plot_data(x)
plot_decision_boundaries(k1,x,show_centroids=True,show_xlabels=False,show_ylabels=False)
plt.title('update label')

#第二步
plt.subplot(323)  # 对比图
plot_data(x)
plot_decision_boundaries(k1,x,show_centroids=True,show_xlabels=False,show_ylabels=False)
plot_centroids(k2.cluster_centers_)

plt.subplot(324)  # 三行两列
plot_data(x)
plot_decision_boundaries(k2,x,show_centroids=True,show_xlabels=False,show_ylabels=False)

#第三步更新
plt.subplot(325)  # 三行两列第一个
plot_data(x)
plot_decision_boundaries(k3,x,show_centroids=True,show_xlabels=False,show_ylabels=False)
plot_centroids(k2.cluster_centers_)

plt.subplot(326)  # 三行两列第二个
plot_data(x)
plot_decision_boundaries(k3,x,show_centroids=True,show_xlabels=False,show_ylabels=False)

plt.show()

but....参考的网址实在是忘记了 当时没复制

---

可视化效果