【机器学习】sklearn实现k-means聚类算法

唠叨两句:

        数据没有标签但需要分类得时候，不妨考虑进行聚类，先看看情况，如果数据高维复杂，不妨再进行降维处理(主成成分分析法PCA)，再进行聚类。

import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs

# X为样本特征，Y为样本簇类别，共1000个样本，每个样本2个特征，对应x和y轴，共4个簇，
# 簇中心在[-1,-1], [0,0],[1,1], [2,2]， 簇方差分别为[0.4, 0.2, 0.2]
X, y = make_blobs(n_samples=1000, n_features=2, centers=[[-1, -1], [0, 0], [1, 1], [2, 2]],
                  cluster_std=[0.4, 0.2, 0.2, 0.2], random_state=9)
                  
plt.scatter(X[:, 0], X[:, 1], marker='o')  # 假设暂不知道y类别，不设置c=y，使用kmeans聚类
plt.show()

 注： sklearn.datasets常用功能详解 【是个链接】，作为Python中经典的机器学习模块，sklearn围绕着机器学习提供了很多可直接调用的机器学习算法以及很多经典的数据集，本文就对sklearn中专门用来得到已有或自定义数据集的datasets模块进行详细介绍。

        假设聚类总数为2，设k=2， 代码如下：

from sklearn.cluster import KMeans

y_pred = KMeans(n_clusters=2, random_state=9).fit_predict(X)
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show()

from sklearn import metrics
metrics.calinski_harabasz_score(X, y_pred) #越大越好

 详细的看看参考2的链接，写得很到位了，我就简化一下，修改一下他代码的bug。

参考资料:

sklearn.datasets常用功能详解_不二的博客-CSDN博客

[精品]值得star，(●'◡'●)

sklearn KMeans聚类算法（总结）_weixin_30500473的博客-CSDN博客

sklearn实现k-means聚类算法_Mekeater的博客-CSDN博客_kmeans sklearn实现