聚类算法之MeanShift(均值漂移)

 带宽： 0.1 0.531661129692 聚类簇的个数为: 7

    
 ['#ff0000', '#d4802a', '#aa0055', '#7f807f', '#5500aa', '#2a80d4', '#0000ff']
    
 带宽： 0.2 1.06332225938 聚类簇的个数为: 4
    
 ['#ff0000', '#aa0055', '#5500aa', '#0000ff']
    
 带宽： 0.3 1.59498338907 聚类簇的个数为: 3
    
 ['#ff0000', '#7f807f', '#0000ff']
    
 带宽： 0.4 2.12664451877 聚类簇的个数为: 1
    
 ['#ff0000']

 # -*- coding:utf-8 -*-

    
  
    
 import numpy as np
    
 import matplotlib.pyplot as plt
    
 import sklearn.datasets as ds
    
 import matplotlib.colors
    
 from sklearn.cluster import MeanShift
    
 from sklearn.metrics import euclidean_distances
    
  
    
 #MeanShift 均值漂移算法  原理见：
    
  
    
 if __name__=='__main__':
    
     N=1000
    
     centers = [[1, 2], [-1, -1], [1, -1], [-1, 1]]
    
     #scikit中的make_blobs方法常被用来生成聚类算法的测试数据，直观地说，make_blobs会根据用户指定的特征数量、
    
     # 中心点数量、范围等来生成几类数据，这些数据可用于测试聚类算法的效果。
    
     #函数原型：sklearn.datasets.make_blobs(n_samples=100, n_features=2,
    
     # centers=3, cluster_std=1.0, center_box=(-10.0, 10.0), shuffle=True, random_state=None)[source]
    
     #参数解析：
    
     # n_samples是待生成的样本的总数。
    
     #
    
     # n_features是每个样本的特征数。
    
     #
    
     # centers表示类别数。
    
     #
    
     # cluster_std表示每个类别的方差，例如我们希望生成2类数据，其中一类比另一类具有更大的方差，可以将cluster_std设置为[1.0, 3.0]。
    
     data,y=ds.make_blobs(N,n_features=2,centers=centers,cluster_std=[0.5, 0.25, 0.7, 0.5],random_state=0)
    
  
    
     matplotlib.rcParams['font.sans-serif'] = [u'SimHei']
    
     matplotlib.rcParams['axes.unicode_minus'] = False
    
     plt.figure(figsize=(10,9),facecolor='w')
    
     #计算向量之间的距离
    
     m=euclidean_distances(data,squared=True)
    
     print 'm=',m
    
     bw=np.median(m)
    
     print 'bw=',bw
    
     for i,mul in enumerate(np.linspace(0.1,0.4,4)):
    
     band_width=mul*bw
    
     model=MeanShift(bin_seeding=True,bandwidth=band_width)
    
     ms=model.fit(data)
    
     centers=ms.cluster_centers_
    
     y_hat=ms.labels_
    
     n_clusters=np.unique(y_hat).size
    
     print '带宽：',mul,band_width,'聚类簇的个数为:',n_clusters
    
  
    
     plt.subplot(2,2,i+1)
    
     plt.title(u'带宽:%.2f,聚类簇的个数为:%d'%(band_width,n_clusters))
    
     clrs=[]
    
     for c in np.linspace(16711680, 255, n_clusters):
    
         clrs.append('#%06x' % c)
    
     print clrs
    
     for k,clr in enumerate(clrs):
    
         cur=(y_hat==k)
    
         #绘制散点图
    
         plt.scatter(data[cur, 0], data[cur, 1], c=clr, edgecolors='none')
    
     plt.scatter(centers[:, 0], centers[:, 1], s=150, c=clrs, marker='*', edgecolors='k')
    
     plt.grid(True)
    
     plt.tight_layout(2)
    
     plt.suptitle(u'MeanShift聚类', fontsize=20)
    
     plt.subplots_adjust(top=0.92)
    
     plt.show()