基于多种算法实现鸢尾花聚类

基于多种聚类算法实现鸢尾花聚类

描述

聚类（Clustering）属于无监督学习的一种，聚类算法是根据数据的内在特征，将数据进行分组（即“内聚成类”），本任务我们通过实现鸢尾花聚类案例掌握Scikit-learn中多种经典的聚类算法（K-Means、MeanShift、Birch）的使用。

本任务的主要工作内容：

1、K-均值聚类实践

2、均值漂移聚类实践

3、Birch聚类实践

源码下载

环境

• 操作系统：Windows 10、Ubuntu18.04

• 工具软件：Anaconda3 2019、Python3.7

• 硬件环境：无特殊要求

• 依赖库列表

  matplotlib   	3.3.4
  pandas			1.1.5
  scikit-learn	0.24.2
  

分析

本实验使用鸢尾花（iris）数据集的花瓣长度（petal length）和花瓣宽度（petal width）两个特征，共150行。运用不同模型对这两个特征数据进行聚类，并将聚类结果与实际的类别标签做对比（使用Matplotlib）。

本任务涉及以下几个环节：

a）获取鸢尾花花瓣特征数据

b）分别使用K-Means、MeanShift、Birch等算法进行聚类

d）获得聚类结果标签

e）评估聚类模型成绩

f）使用Matplotlib将聚类结果可视化

实施

1、获取花瓣特征数据（花瓣长度、花瓣宽度）

from sklearn.datasets import load_iris
from sklearn.cluster import KMeans, MeanShift, Birch, DBSCAN
from sklearn.metrics import adjusted_rand_score # 聚类模型评估工具
from IPython.display import display
import matplotlib.pyplot as plt
import pandas as pd

# 加载鸢尾花数（Iris）据集
iris = load_iris() 
data = iris.data[:,2:] # 取后两列（花瓣长、宽）作为特征数据
target = iris.target # 标签数据
feature_names = iris.feature_names[2:] # 后两列的名字
df = pd.DataFrame(data, columns=feature_names)# 创建数据框
display(df) # 显示数据集

显示结果：

2、使用多种聚类算法，并评估成绩

# 注意：聚类模型的评估使用sklearn.metrics.adjusted_rand_score函数
# 参数1-实际类别标签
# 参数2-聚类结果标签
# 调用聚类算法

model = KMeans(3).fit(data) # K-均值聚类

# model = MeanShift().fit(data) # 均值漂移聚类
# model = Birch().fit(data) # Birch聚类
c_target = model.labels_ # 聚类结果标签

# 使用adjusted_rand_score函数来评估聚类效果
# 参数1-实际类别标签
# 参数2-聚类结果标签
print('accuracy: ', adjusted_rand_score(target, c_target))

结果如下：

accuracy:  0.8856970310281228

3、使用Matplotlib将聚类结果可视化

将聚类结果与样本的实际分类可视化，直观对比聚类效果。

# 定义画板尺寸
fig = plt.figure(figsize=(15, 5))

# 画第一幅子图——实际类别标签
ax1 = fig.add_subplot(1, 2, 1)
ax1.set_title('Real ')
ax1.scatter(data[:,0], data[:,1], c=target)

# 画第二幅子图——聚类结果
ax2 = fig.add_subplot(1, 2, 2)
ax2.set_title('Clustering ')
ax2.scatter(data[:,0], data[:,1], c=c_target)

# 显示图形
plt.show() 

显示结果：

注：两幅图中从上到下依次为3种鸢尾花的特征分布（颜色随机），左图是实际情况，右图是聚类结果，可以看到聚类算法比较准确地还原了实际类别。