1. 層次聚類
分離的層次聚類:分裂,求相似性,相似性達到了,停止,沒有達到則繼續分裂…
樣本中有層次的包含關係(如省,市,縣)適合用層次聚類,如果用層次聚類,人們一般用凝聚的層次聚類
如上圖,d,e被聚在一個縣裏(de),c也是一個縣,這兩個縣被聚在一個市(cde),而a,b這兩個縣被聚在另一個市(ab),這兩個市又被聚在一個省裏(abcde)
2. 密度聚類
像上圖中有形狀的樣本用k-Means就不太好,k-Means是會畫一個圈進行聚類
而密度聚類,把捱得密的聚在一起
2.1 密度聚類的計算方法
密度聚類典型的算法是DBSCAN:
上圖中,閾值爲5的意思就是圈內有5個點
q內有7個點,p內有3個,所以q就是核心對象
所以閾值是用來確定核心對象的,只有核心對象纔有資格取圈別的點
如果不是核心對象,那麼它的圈就不是了,
總結:密度聚類就是有幾個核心對象(圈),根據密度可達規則去圈別的點,直到最後沒有更多點加進來,則掃描結束。核心對象圈出來的點就是和核心對象是一個類別的,沒有被密度可達的點並且也不是核心對象的話,這個點就是噪聲點了。
所以密度聚類可能會使有些點沒有類別
2.2 代碼實現DBSCAN
# !/usr/bin/python
# -*- coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
import sklearn.datasets as ds
import matplotlib.colors
from sklearn.cluster import DBSCAN
from sklearn.preprocessing import StandardScaler
def expand(a, b):
d = (b - a) * 0.1
return a-d, b+d
if __name__ == "__main__":
N = 1000
centers = [[1, 2], [-1, -1], [1, -1], [-1, 1]]
# 根據上面4箇中心點生成100個樣本, cluster_std是方差
data, y = ds.make_blobs(N, n_features=2, centers=centers, cluster_std=[0.5, 0.25, 0.7, 0.5], random_state=0)
# 標準歸一化:先均值歸一化後方差歸一化
data = StandardScaler().fit_transform(data)
# 數據的參數:(epsilon, min_sample) 半徑和閾值
params = ((0.2, 5), (0.2, 10), (0.2, 15), (0.3, 5), (0.3, 10), (0.3, 15))
matplotlib.rcParams['font.sans-serif'] = [u'SimHei']
matplotlib.rcParams['axes.unicode_minus'] = False
plt.figure(figsize=(12, 8), facecolor='w')
plt.suptitle(u'DBSCAN聚類', fontsize=20)
# 對比6組超參數
for i in range(6):
eps, min_samples = params[i]
model = DBSCAN(eps=eps, min_samples=min_samples)
model.fit(data)
y_hat = model.labels_
core_indices = np.zeros_like(y_hat, dtype=bool)
core_indices[model.core_sample_indices_] = True
y_unique = np.unique(y_hat)
n_clusters = y_unique.size - (1 if -1 in y_hat else 0)
print(y_unique, '聚類簇的個數爲:', n_clusters)
plt.subplot(2, 3, i+1)
clrs = plt.cm.Spectral(np.linspace(0, 0.8, y_unique.size))
print(clrs)
for k, clr in zip(y_unique, clrs):
cur = (y_hat == k)
if k == -1:
plt.scatter(data[cur, 0], data[cur, 1], s=20, c='k')
continue
plt.scatter(data[cur, 0], data[cur, 1], s=30, c=clr, edgecolors='k')
plt.scatter(data[cur & core_indices][:, 0], data[cur & core_indices][:, 1], s=60, c=clr, marker='o', edgecolors='k')
x1_min, x2_min = np.min(data, axis=0)
x1_max, x2_max = np.max(data, axis=0)
x1_min, x1_max = expand(x1_min, x1_max)
x2_min, x2_max = expand(x2_min, x2_max)
plt.xlim((x1_min, x1_max))
plt.ylim((x2_min, x2_max))
plt.grid(True)
plt.title(u'epsilon = %.1f m = %d,聚類數目:%d' % (eps, min_samples, n_clusters), fontsize=16)
plt.tight_layout()
plt.subplots_adjust(top=0.9)
plt.show()
運行結果:黑色點是噪聲