聚类算法汇总

1、K-Means聚类

步骤：①初始化K个样本点作为初始聚类质心②根据欧氏距离将其他样本点划分为相应类别③计算新的质心作为聚类中心④重复二三步骤  终止条件：最终一次聚类的质心与上一次聚类的质心差值<设定的阈值

 

2、层次聚类(AgglomerativeClusting)

树结构聚类

聚类距离选择：最近single linkage，最远complete linkage，平均average linkage

 

3、密度聚类(DBSCAN)

主要的两个参数： eps半径   minpts最小样本点

 

 

 

备注：评价聚类算法  两个指标参数

轮廓系数：a(i)样本点到簇内中心的平均距离    b(i)样本点到其他簇中心的平均距离 取最小     系数r = (b(i)-a(i)) / max(a(i),b(i))

兰德系数;  聚类结果与实际结果相互比较  正确率

 

 

 

 

 

 

 

 

 

 

 

from sklearn import datasets

from sklearn.cluster import KMeans#KMeans聚类

from sklearn.cluster import AgglomerativeClustering#层次聚类

from sklearn.cluster import DBSCAN#密度聚类

import matplotlib.pyplot as plt

from sklearn import metrics

 

circles=datasets.make_circles(n_samples=100,noise=0.02)

data=circles[0]

label=circles[1]

km=KMeans(n_clusters=4)

km.fit(data)

pre_label=km.labels_

colors='bgrkcmy'

for p in range(len(data)):

    plt.scatter(data[p,0],data[p,1],color=colors[pre_label[p]])

#plt.show()

 

 

#agg=AgglomerativeClustering(n_clusters=2,linkage='complete')

#agg.fit(data)

#pre_label=agg.labels_

#colors='bgrkcmy'

#for p in range(len(data)):

#    plt.scatter(data[p,0],data[p,1],color=colors[pre_label[p]])

#plt.show()

 

 

#db=DBSCAN(eps=0.5,min_samples=3)

#db.fit(data)

#pre_label=db.labels_

#colors='bgrkcmy'

#for p in range(len(data)):

#    plt.scatter(data[p,0],data[p,1],color=colors[pre_label[p]])

#plt.show()

 

print("轮廓系数:",metrics.silhouette_score(data,pre_label))

print("兰德系数:",metrics.adjusted_rand_score(label,pre_label))