• 機器學習之agglomerative_clustering-層次聚類

# -*- coding: utf-8 -*-
"""
Created on Wed Nov 28 19:07:54 2018

@author: muli
"""

import numpy as np
from sklearn.datasets.samples_generator import make_blobs
from sklearn import  cluster
from sklearn.metrics import adjusted_rand_score
import matplotlib.pyplot as plt


def create_data(centers,num=100,std=0.7):
    '''
    生成用於聚類的資料集

    :param centers: 聚類的中心點組成的陣列。如果中心點是二維的，則產生的每個樣本都是二維的。
    :param num: 樣本數
    :param std: 每個簇中樣本的標準差
    :return: 用於聚類的資料集。是一個元組，第一個元素為樣本集，第二個元素為樣本集的真實簇分類標記
    '''
    X, labels_true = make_blobs(n_samples=num, centers=centers, cluster_std=std)
    return  X,labels_true


def test_AgglomerativeClustering(*data):
    '''
    測試 AgglomerativeClustering 的用法

    :param data: 可變引數。
    它是一個元組。元組元素依次為：第一個元素為樣本集，第二個元素為樣本集的真實簇分類標記
    :return: None
    '''
    X,labels_true=data
    clst=cluster.AgglomerativeClustering()
    predicted_labels=clst.fit_predict(X)
    print("ARI:%s"% adjusted_rand_score(labels_true,predicted_labels))


def test_AgglomerativeClustering_nclusters(*data):
    '''
    測試 AgglomerativeClustering 的聚類結果隨 n_clusters 引數的影響

    :param data:  可變引數。它是一個元組。元組元素依次為：第一個元素為樣本集，第二個元素為樣本集的真實簇分類標記
    :return: None
    '''
    X,labels_true=data
    nums=range(1,50)
    ARIs=[]
    for num in nums:
        clst=cluster.AgglomerativeClustering(n_clusters=num)
        predicted_labels=clst.fit_predict(X)
        ARIs.append(adjusted_rand_score(labels_true,predicted_labels))

    ## 繪圖
    fig=plt.figure()
    ax=fig.add_subplot(1,1,1)
    ax.plot(nums,ARIs,marker="+")
    ax.set_xlabel("n_clusters")
    ax.set_ylabel("ARI")
    fig.suptitle("AgglomerativeClustering")
    plt.show()


def test_AgglomerativeClustering_linkage(*data):
    '''
    測試 AgglomerativeClustering 的聚類結果隨連結方式的影響

    :param data:  可變引數。它是一個元組。元組元素依次為：第一個元素為樣本集，第二個元素為樣本集的真實簇分類標記
    :return: None
    '''
    X,labels_true=data
    nums=range(1,50)
    fig=plt.figure()
    ax=fig.add_subplot(1,1,1)
    # 連結方式的影響
    linkages=['ward','complete','average']
    markers="+o*"
    for i, linkage in enumerate(linkages):
        ARIs=[]
        for num in nums:
            clst=cluster.AgglomerativeClustering(n_clusters=num,linkage=linkage)
            # 預測
            predicted_labels=clst.fit_predict(X)
            # ARI指數
            ARIs.append(adjusted_rand_score(labels_true,predicted_labels))
        ax.plot(nums,ARIs,marker=markers[i],label="linkage:%s"%linkage)

    ax.set_xlabel("n_clusters")
    ax.set_ylabel("ARI")
    ax.legend(loc="best")
    fig.suptitle("AgglomerativeClustering")
    plt.show()
   

if __name__=='__main__':
    centers=[[1,1],[2,2],[1,2],[10,20]] # 用於產生聚類的中心點
    X,labels_true=create_data(centers,1000,0.5) # 產生用於聚類的資料集
#    test_AgglomerativeClustering(X,labels_true) #  呼叫 test_AgglomerativeClustering 函式
#    test_AgglomerativeClustering_nclusters(X,labels_true) #  呼叫 test_AgglomerativeClustering_nclusters 函式
    test_AgglomerativeClustering_linkage(X,labels_true) #  呼叫 test_AgglomerativeClustering_linkage 函式

 

• 如圖所示：