一、聚类算法的概述：
1、聚类算法：一种典型的无监督学习算法，主要用于将相似的样本自动归到一个类别中。
在聚类算法中根据样本之间的相似性，将样本划分到不同的类别中，对于不同的相似度计算方法，会得到不同的聚类结果，常用的相似度计算方法有欧式距离法。
2、聚类算法与分类算法最大的区别：
聚类算法是无监督学习算法，而分类算法属于监督的学习算法。
3、API：sklearn.cluster.KMeans(n_cluster=8)
- 参数： n_cluster：开始的聚类中心数量
- 方法：KMeans(n_clusters=2, random_state=9).fit_predict(X)，计算聚类中心并预测每个样本属于哪个类别，相当于先调用fit(X),然后再调用predict(X)。
二、创建数据集：
1、代码：
import matplotlib.pyplot as plt
from sklearn.datasets._samples_generator import make_blobs
from sklearn.cluster import KMeans
from sklearn.metrics import calinski_harabasz_score
# 1、创建数据集
# X为样本特征，Y为样本簇类别，工1000个样本，每个样本4个特征，共4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, 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], # 表示每对数据之间的间隔
random_state=9)
# 数据集可视化
plt.scatter(X[:, 0], X[:, 1], marker='o')
plt.show()
2、创建的数据集效果：
数据集效果.png
三、聚类操作：
1、分两类代码：n_clusters=2
import matplotlib.pyplot as plt
from sklearn.datasets._samples_generator import make_blobs
from sklearn.cluster import KMeans
from sklearn.metrics import calinski_harabasz_score
# 1、创建数据集
# X为样本特征，Y为样本簇类别，工1000个样本，每个样本4个特征，共4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, 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], # 表示每对数据之间的间隔
random_state=9)
# 数据集可视化
plt.scatter(X[:, 0], X[:, 1], marker='o')
plt.show()
# 2.1、聚类为 2 的时候 ：使用k-means进行分类，并使用CH方法评估
y_pre = KMeans(n_clusters=2, random_state=9).fit_predict(X)
# 分别尝试n_cluster=2\3\4,然后查看聚类效果
plt.scatter(X[:, 0], X[:, 1], c=y_pre)
plt.show()
# 用Calinski-Harabasz Index品谷的聚类分数
print("n_clusters=2时候预测结果：\n", calinski_harabasz_score(X, y_pre))
1.1、分两类效果：n_clusters=2，分成了两堆不同的颜色数据集。
分两类效果.png
1.2、分两类的预测值：
分两类的预测值.png
2、分3类代码：n_clusters=3
import matplotlib.pyplot as plt
from sklearn.datasets._samples_generator import make_blobs
from sklearn.cluster import KMeans
from sklearn.metrics import calinski_harabasz_score
# 1、创建数据集
# X为样本特征，Y为样本簇类别，工1000个样本，每个样本4个特征，共4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, 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], # 表示每对数据之间的间隔
random_state=9)
# 数据集可视化
plt.scatter(X[:, 0], X[:, 1], marker='o')
plt.show()
# 2.1、聚类为 2 的时候 ：使用k-means进行分类，并使用CH方法评估
y_pre = KMeans(n_clusters=2, random_state=9).fit_predict(X)
# 分别尝试n_cluster=2\3\4,然后查看聚类效果
plt.scatter(X[:, 0], X[:, 1], c=y_pre)
plt.show()
# 用Calinski-Harabasz Index品谷的聚类分数
print("n_clusters=2时候预测结果：\n", calinski_harabasz_score(X, y_pre))
# 2.2、聚类为 3 的时候 ：使用k-means进行分类，并使用CH方法评估
y_pre = KMeans(n_clusters=3, random_state=9).fit_predict(X)
# 分别尝试n_cluster=2\3\4,然后查看聚类效果
plt.scatter(X[:, 0], X[:, 1], c=y_pre)
plt.show()
# 用Calinski-Harabasz Index品谷的聚类分数
print("n_clusters=3时候预测结果：\n", calinski_harabasz_score(X, y_pre))
2.1、分3类效果：n_clusters=3，分成了3堆不同的颜色数据集。
分3类效果.png
2.2、分3类的预测值：
分3类的预测值.png
3、分两类代码：n_clusters=4
import matplotlib.pyplot as plt
from sklearn.datasets._samples_generator import make_blobs
from sklearn.cluster import KMeans
from sklearn.metrics import calinski_harabasz_score
# 1、创建数据集
# X为样本特征，Y为样本簇类别，工1000个样本，每个样本4个特征，共4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, 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], # 表示每对数据之间的间隔
random_state=9)
# 数据集可视化
plt.scatter(X[:, 0], X[:, 1], marker='o')
plt.show()
# 2.1、聚类为 2 的时候 ：使用k-means进行分类，并使用CH方法评估
y_pre = KMeans(n_clusters=2, random_state=9).fit_predict(X)
# 分别尝试n_cluster=2\3\4,然后查看聚类效果
plt.scatter(X[:, 0], X[:, 1], c=y_pre)
plt.show()
# 用Calinski-Harabasz Index品谷的聚类分数
print("n_clusters=2时候预测结果：\n", calinski_harabasz_score(X, y_pre))
# 2.2、聚类为 3 的时候 ：使用k-means进行分类，并使用CH方法评估
y_pre = KMeans(n_clusters=3, random_state=9).fit_predict(X)
# 分别尝试n_cluster=2\3\4,然后查看聚类效果
plt.scatter(X[:, 0], X[:, 1], c=y_pre)
plt.show()
# 用Calinski-Harabasz Index品谷的聚类分数
print("n_clusters=3时候预测结果：\n", calinski_harabasz_score(X, y_pre))
# 2.3、聚类为 4 的时候 ：使用k-means进行分类，并使用CH方法评估
y_pre = KMeans(n_clusters=4, random_state=9).fit_predict(X)
# 分别尝试n_cluster=2\3\4,然后查看聚类效果
plt.scatter(X[:, 0], X[:, 1], c=y_pre)
plt.show()
# 用Calinski-Harabasz Index品谷的聚类分数
print("n_clusters=4时候预测结果：\n", calinski_harabasz_score(X, y_pre))
3.1、分4类效果：n_clusters=4，分成了4堆不同的颜色数据集。
分4类效果.png
3.2、分4类的预测值：
分4类的预测值.png
