作业1:关于使用python中scikit |
您所在的位置:网站首页 › 聚类分析模型建立 › 作业1:关于使用python中scikit |
操作题:利用鸢尾花数据实现数据加载、标准化处理、构建聚类模型并训练、聚类效果可视化展示及对模型进行评价
一、数据加载
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
data = load_iris()
train_data, test_data, train_target, test_target = train_test_split(data['data'], data['target'], test_size=0.2)
从sklearn.datasets中导入鸢尾花数据,并赋值给data,其中iris的key包括了['data', 'target', 'target_names', 'DESCR', 'feature_names', 'filename'] 同时使用train_test_split对数据集进行拆分。 train_test_split具有以下参数: 参数名称说明*arrays接收一个或多个数据集。代表需要划分的数据集,若为分类回归则分别传入数据和标签,若为聚类则传入数据。无默认。 test_size接收float,int,None类型的数据。代表测试集的大小。如果传入的为float类型的数据则需要限定在0-1之间,代表测试集在总数中的占比;如果传入为int类型的数据,则表示测试集记录的绝对数目。该参数与train_size可以只传入一个。在0.21版本前,若test_size和train_size均为默认则testsize为25%。 train_size接收float,int,None类型的数据。代表训练集的大小。该参数与test_size可以只传入一个random_state接收int。代表随机种子编号,相同随机种子编号产生相同的随机结果,不同的随机种子编号产生不同的随机结果。默认为None。 shuffle接收boolean。代表是否进行有放回抽样。若该参数取值为True则stratify参数必须不能为空。 stratify接收array或者None。如果不为None,则使用传入的标签进行分层抽样。 二、标准化处理 from sklearn.preprocessing import StandardScaler model = StandardScaler().fit(train_data) train_data_mt = model.transform(train_data) test_data_mt = model.transform(test_data)从sklearn.preprocessing中导入StandardScaler对特征值进行标准差标准化处理 关于sklearn.preprocessing中的几个标准化处理方法 函数名称说明MinMaxScaler对特征进行离差标准化处理。 StandardScaler对特征进行标准差标准化处理。 Normalizer对特征进行归一化。Binarizer对定量特征进行二值化处理。 OneHotEncoder对定性特征进行独热编码处理。FunctionTransformer对特征进行自定义函数变换。使用sklearn中的transform方法分别对训练集及测试集进行标准化处理。 三、构建聚类模型并训练 from sklearn.cluster import SpectralClustering model = SpectralClustering(n_clusters=3).fit(train_data_mt)从sklearn.cluster中导入SpectralClustering聚类方法 其中cluster包含了以下几种聚类方法: 函数名称参数适用范围距离度量KMeans簇数可用于样本数目大,聚类数目中等的场景点之间的距离SpectralClustering簇数可用于样本数目中等,聚类数目较小的场景图距离WardHierarchicalClustering簇数可用于样本数目较大,聚类数目较大的场景点之间的距离AgglomerativeClustering簇数,链接类型,距离可用于样本数目较大,聚类数目较大的场景任意成对点线图间的距离DBSCAN半径大小,最低成员数目可用于样本数目很大,聚类数目中等的场景最近的点之间的距离Birch分支因子,阈值,可选全局集群可用于样本数目很大,聚类数目较大的场景点之间的欧式距离其中 n_clusters=3 表示了将簇数设置为3 四、聚类效果可视化 import matplotlib.pyplot as plt for i in range(3): plt.scatter(train_data_mt[model.labels_ == i, 0], train_data_mt[model.labels_ == i, 1]) plt.show()使用matplotlib作散点图 可以对数据进行降维处理,然后进行可视化。 from sklearn.manifold import TSNE tsen = TSNE(n_components=2, init='random', random_state=123).fit(train_data_mt) # 降维 df = pd.DataFrame(tsen.embedding_) df['label'] = model.labels_ df1 = df[df['label']==0] df2 = df[df['label']==1] df3 = df[df['label']==2] fig = plt.figure(figsize=(8,6)) plt.plot(df1[0],'r+', df2[0], 'bo', df3[0], 'gD')降维处理后的可视化效果 从sklearn.metrics中导入silhouette_score方法对模型进行评价 其中sklearn.metrics包括了以下几种评价方法: 方法名称真实值最佳值sklearn函数ARI评价法(兰德系数)需要1.0adjusted_rand_scoreAMI评价法(互信息)需要1.0adjusted_mutual_info_scoreV-measure评分需要1.0completeness_scoreFMI评价法需要1.0fowlkes_mallows_score轮廓系数评价法不需要畸变程度最大silhouette_scoreCalinski-Harabasz指数评价法不需要相较最大calinski_harabaz_score 六、代码 from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler, MinMaxScaler from sklearn.cluster import SpectralClustering from sklearn.metrics import silhouette_score import numpy as np import matplotlib.pyplot as plt # 数据加载 data = load_iris() print(data.keys()) train_data, test_data, train_target, test_target = train_test_split(data['data'], data['target'], test_size=0.2) print(train_data.shape) # 标准化模型(标准差标准化) model = StandardScaler().fit(train_data) train_data_mt = model.transform(train_data) test_data_mt = model.transform(test_data) print(np.max(train_data_mt), np.min(train_data_mt)) print(np.max(test_data_mt), np.min(test_data_mt)) # 构建聚类模型并训练(SpectralClustering) model = SpectralClustering(n_clusters=3).fit(train_data_mt) # 聚类效果可视化 for i in range(3): plt.scatter(train_data_mt[model.labels_ == i, 0], train_data_mt[model.labels_ == i, 1]) plt.show() # 评价聚类模型(轮廓系数评价法) for i in range(3,6): model = SpectralClustering(n_clusters=i).fit(train_data_mt) score = silhouette_score(train_data_mt, model.labels_) print("当k =",i,"时,score =",score)最后,这个是我的一个作业,内容是上课的时候听的,如果有错误的地方欢迎指出。 之后我的作业可能都会写出来。(大概,不懒的话) ps:第一次用可能排版有问题。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |