溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
一.分散性聚類(kmeans)
算法流程:
1.選擇聚類的個數k.
2.任意產生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。
優點：
1.是解決聚類問題的一種經典算法，簡單、快速
2.對處理大數據集，該算法保持可伸縮性和高效率
3.當結果簇是密集的，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用
2.必須事先給出k（要生成的簇的數目），而且對初值敏感，對于不同的初始值，可能會導致不同結果。
3.不適合于發現非凸形狀的簇或者大小差別很大的簇
4.對躁聲和孤立點數據敏感
這里為了看鳶尾花的三種聚類算法的直觀區別，所以不用具體算法實現，只需要調用相應函數即可。
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] # #表示我們取特征空間中的4個維度
print(X.shape)
# 繪制數據分布圖
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) # 構造聚類器
estimator.fit(X) # 聚類
label_pred = estimator.labels_ # 獲取聚類標簽
# 繪制k-means結果
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()
運行結果：
二.結構性聚類(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，然后逐漸細分為越來越小的簇，直到達到了某個終結條件。
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 ("各個簇的樣本數目：")
print (pd.Series(clustering.labels_).value_counts())
print ("聚類結果：")
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()
運行結果：
三.密度聚類之DBSCAN算法:
算法:
需要兩個參數：ε (eps) 和形成高密度區域所需要的最少點數 (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，否則這個點被標簽為雜音。注意這個點之后可能被發現在其它點的 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)
# 繪制數據分布圖
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()
運行結果：
改變參數后：
四、結果分析
從上面三種實驗截圖可以看出，k-means聚類和AGNES層次聚類分析結果差不多的三類，與DBSCAN的結果不一樣。為啥不一樣，這就取決于算法本身的優缺點了。
k-means對于大型數據集也是簡單高效、時間復雜度、空間復雜度低。 最重要是數據集大時結果容易局部最優；需要預先設定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類型數據；不能解決非凸數據。
DBSCAN對噪聲不敏感；能發現任意形狀的聚類。 但是聚類的結果與參數有很大的關系；DBSCAN用固定參數識別聚類，但當聚類的稀疏程度不同時，相同的判定標準可能會破壞聚類的自然結構，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容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
