【python】基于sklearn的聚类算法的比较

1、先给定数据：

import numpy as np

import matplotlib.pyplot as plt

from sklearn import datasets

x1,_=datasets.make_circles(n_samples=5000,

                            factor=.6,

                            noise=0.05)

x2,_=datasets.make_blobs(n_samples=1000,

                          n_features=2,

                          centers=[[1.2,1.2]],

                          cluster_std=[[.1]],

                          random_state=9)

数据可视化效果如下图，这是一系列散点。

2、我们想让计算机把这些散点分成三类。

先使用K均值算法进行分类：

from sklearn.cluster import KMeans

result=KMeans(n_clusters=3,random_state=9).fit_predict(x)

plt.figure(figsize=(5,5))

plt.scatter(x[:,0],x[:,1],c=result)

分类效果如下图所示。

3、再看看小批量K均值算法的分类结果。

from sklearn.cluster import MiniBatchKMeans

result=MiniBatchKMeans(n_clusters=3,random_state=9).fit_predict(x)

这个效果和上面的差不多。

4、使用Birch的层次分类方法：

from sklearn.cluster import Birch

result=Birch(n_clusters=3).fit_predict(x)

5、基于带有噪音干扰的密度分类法：

from sklearn.cluster import DBSCAN

result=DBSCAN(eps=0.1,min_samples=10).fit_predict(x)

这种方法不需要制定分类类别，但是需要制定距离和每一簇的最小样本数。

6、谱分类，需要计算基于rbf距离的相似矩阵：

from sklearn.cluster import SpectralClustering

result=SpectralClustering(n_clusters=3).fit_predict(x)

7、吸引子传播算法，利用样本之间的亲近程度进行分类：

from sklearn.cluster import AffinityPropagation

result=AffinityPropagation().fit_predict(x)

这个算法的特点是计算时间比较长，大约需要3分钟。