首页分享【Python】基于sklearn构建并评价聚类模型（ KMeans、TSNE降维、可视化、FMI评价法等）

【Python】基于sklearn构建并评价聚类模型（ KMeans、TSNE降维、可视化、FMI评价法等）

来源：花匠小妙招时间：2024-12-07 20:13

本博客内容来源于：
《Python数据分析与应用》第6章使用sklearn构建模型，
【黄红梅、张良均主编中国工信出版集团和人民邮电出版社，侵请删】

一、K-Means聚类函数初步学习与使用

kmeans算法理解及代码实现
k均值聚类算法（k-means clustering algorithm）
其算法思想大致为：先从样本集中随机选取 k 个样本作为簇中心，并计算所有样本与这 k 个“簇中心”的距离，对于每一个样本，将其划分到与其距离最近的“簇中心”所在的簇中，对于新的簇计算各个簇的新的“簇中心”。

# 代码 6-10 from sklearn.datasets import load_iris from sklearn.preprocessing import MinMaxScaler from sklearn.cluster import KMeans iris = load_iris() iris_data = iris['data'] ##提取数据集中的特征 iris_target = iris['target'] ## 提取数据集中的标签 iris_names = iris['feature_names'] ### 提取特征名 scale = MinMaxScaler().fit(iris_data)## 训练规则 iris_dataScale = scale.transform(iris_data) ## 应用规则 kmeans = KMeans(n_clusters = 3, random_state=12).fit(iris_dataScale) ##构建并训练模型 print('构建的K-Means模型为：n',kmeans) result = kmeans.predict([[1.5,1.5,1.5,1.5]]) print('花瓣花萼长度宽度全为1.5的鸢尾花预测类别为：', result[0])

12345678910111213141516

在这里插入图片描述

可见，根据随机值random_state的不同，所划分的数据集测试集会不同，从而导致预测结果的差异

二、TSNE降维并可视化

1、稍微介绍下，暂时不深究
比PCA降维更高级——（R/Python）t-SNE聚类算法实践指南
（t-SNE）t分布随机邻域嵌入是一种用于探索高维数据的非线性降维算法。它将多维数据映射到适合于人类观察的两个或多个维度。

2、一个非常值得好好学习的小技巧：

##提取不同标签的数据 print(df[df['labels']==0]) 12

3、TSNE函数中random_state值设置的不同，会导致最后呈现图片变化较大
random_state=66： plt.figure(figsize=(6,4))
在这里插入图片描述
random_state=1： plt.figure(figsize=(6,4))

random_state=177 plt.figure(figsize=(8,6))

4、代码：

# 代码 6-11 import pandas as pd from sklearn.manifold import TSNE import matplotlib.pyplot as plt ##使用TSNE进行数据降维,降成两维 tsne = TSNE(n_components=2,init='random', random_state=177).fit(iris_data) df=pd.DataFrame(tsne.embedding_) ##将原始数据转换为DataFrame #print(tsne.embedding_.shape) df['labels'] = kmeans.labels_ ##将聚类结果存储进df数据表 #print(df['labels'].shape) #print(df) ##提取不同标签的数据 #print(df[df['labels']==0]) df1 = df[df['labels']==0] df2 = df[df['labels']==1] df3 = df[df['labels']==2] ## 绘制图形 fig = plt.figure(figsize=(8,6)) ##设定空白画布，并制定大小 ##用不同的颜色表示不同数据 plt.plot(df1[0],df1[1],'bo',df2[0],df2[1],'r*', df3[0],df3[1],'gD') plt.savefig('../tmp/聚类结果.png') plt.show() ##显示图片

123456789101112131415161718192021222324

三、评价聚类模型

1、FMI评价法
2、轮廓系数评价法
3、calinski_harabaz指数评价法

# 代码 6-12 from sklearn.metrics import fowlkes_mallows_score for i in range(2,7): ##构建并训练模型 kmeans = KMeans(n_clusters = i,random_state=123).fit(iris_data) score = fowlkes_mallows_score(iris_target,kmeans.labels_) print('iris数据聚%d类FMI评价分值为：%f' %(i,score)) # 代码 6-13 from sklearn.metrics import silhouette_score import matplotlib.pyplot as plt silhouettteScore = [] for i in range(2,15): ##构建并训练模型 kmeans = KMeans(n_clusters = i,random_state=123).fit(iris_data) score = silhouette_score(iris_data,kmeans.labels_) silhouettteScore.append(score) plt.figure(figsize=(10,6)) plt.plot(range(2,15),silhouettteScore,linewidth=1.5, linestyle="-") plt.show() # 代码 6-14 from sklearn.metrics import calinski_harabaz_score for i in range(2,7): ##构建并训练模型 kmeans = KMeans(n_clusters = i,random_state=123).fit(iris_data) score = calinski_harabaz_score(iris_data,kmeans.labels_) print('iris数据聚%d类calinski_harabaz指数为：%f'%(i,score))

1234567891011121314151617181920212223242526272829303132

在这里插入图片描述