我将使用 sklearn 对我公司的一个项目的数据进行聚类。在开始部分,我必须证明我能够对数据进行聚类。在 R 中,这对我来说没有问题,但 R 与 HBase 一起使用并不那么容易。我不想拖延,但问题是我不知道数据点在什么时候收到标签。另外,这是一个 3D 绘图,那么为什么 X
(iris.data
) 每个有 4 个数字 ([ 5.4 3.9 1.3 0.4]
)数据点?
我真正需要的是知道哪个数据点对应于哪个集群。我不需要视觉效果。
这是代码(取自 here )
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from sklearn.cluster import KMeans
from sklearn import datasets
np.random.seed(5)
centers = [[1, 1], [-1, -1], [1, -1]]
iris = datasets.load_iris()
X = iris.data
y = iris.target
estimators = {'k_means_iris_3': KMeans(n_clusters=3),
'k_means_iris_8': KMeans(n_clusters=8),
'k_means_iris_bad_init': KMeans(n_clusters=3, n_init=1,
init='random')}
fignum = 1
for name, est in estimators.items():
fig = plt.figure(fignum, figsize=(4, 3))
plt.clf()
ax = Axes3D(fig, rect=[0, 0, .95, 1], elev=48, azim=134)
plt.cla()
est.fit(X)
labels = est.labels_
ax.scatter(X[:, 3], X[:, 0], X[:, 2], c=labels.astype(np.float))
ax.w_xaxis.set_ticklabels([])
ax.w_yaxis.set_ticklabels([])
ax.w_zaxis.set_ticklabels([])
ax.set_xlabel('Petal width')
ax.set_ylabel('Sepal length')
ax.set_zlabel('Petal length')
fignum = fignum + 1
# Plot the ground truth
fig = plt.figure(fignum, figsize=(4, 3))
plt.clf()
ax = Axes3D(fig, rect=[0, 0, .95, 1], elev=48, azim=134)
plt.cla()
for name, label in [('Setosa', 0),
('Versicolour', 1),
('Virginica', 2)]:
ax.text3D(X[y == label, 3].mean(),
X[y == label, 0].mean() + 1.5,
X[y == label, 2].mean(), name,
horizontalalignment='center',
bbox=dict(alpha=.5, edgecolor='w', facecolor='w'))
# Reorder the labels to have colors matching the cluster results
y = np.choose(y, [1, 2, 0]).astype(np.float)
ax.scatter(X[:, 3], X[:, 0], X[:, 2], c=y)
ax.w_xaxis.set_ticklabels([])
ax.w_yaxis.set_ticklabels([])
ax.w_zaxis.set_ticklabels([])
ax.set_xlabel('Petal width')
ax.set_ylabel('Sepal length')
ax.set_zlabel('Petal length')
plt.show()
最佳答案
标签
这是在代码中添加两个 print
语句的结果,它将在生成标签时向您显示。
for name, est in estimators.items():
print est
fig = plt.figure(fignum, figsize=(4, 3))
plt.clf()
ax = Axes3D(fig, rect=[0, 0, .95, 1], elev=48, azim=134)
plt.cla()
est.fit(X)
labels = est.labels_
print labels
est
显示所使用的估计器的参数。正如您所看到的,第一个有 8 个簇,由 标签
中的 0-7 个簇分配反射(reflect)出来。
KMeans(copy_x=True, init='k-means++', max_iter=300, n_clusters=8, n_init=10,
n_jobs=1, precompute_distances=True, random_state=None, tol=0.0001,
verbose=0)
[1 5 5 5 1 1 5 1 5 5 1 5 5 5 1 1 1 1 1 1 1 1 5 1 5 5 1 1 1 5 5 1 1 1 5 5 1
5 5 1 1 5 5 1 1 5 1 5 1 5 2 2 2 7 2 7 2 6 2 7 6 7 7 2 7 2 7 7 2 7 4 7 4 2
2 2 2 2 2 7 7 7 7 4 7 2 2 2 7 7 7 2 7 6 7 7 7 2 6 7 0 4 3 0 0 3 7 3 0 3 0
4 0 4 4 0 0 3 3 4 0 4 3 4 0 3 4 4 0 3 3 3 0 4 4 3 0 0 4 0 0 0 4 0 0 0 4 0
0 4]
KMeans(copy_x=True, init='k-means++', max_iter=300, n_clusters=3, n_init=10,
n_jobs=1, precompute_distances=True, random_state=None, tol=0.0001,
verbose=0)
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 1 1 1 1 2 1 1 1 1
1 1 2 2 1 1 1 1 2 1 2 1 2 1 1 2 2 1 1 1 1 1 2 1 1 1 1 2 1 1 1 2 1 1 1 2 1
1 2]
KMeans(copy_x=True, init='random', max_iter=300, n_clusters=3, n_init=1,
n_jobs=1, precompute_distances=True, random_state=None, tol=0.0001,
verbose=0)
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 2 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 2 2 2 2 1 2 2 2 2
2 2 1 1 2 2 2 2 1 2 1 2 1 2 2 1 1 2 2 2 2 2 1 2 2 2 2 1 2 2 2 1 2 2 2 1 2
2 1]
尺寸
如果您查看 here,iris
数据集有 4 个维度(属性) ,你会看到有 4 个维度。本示例中未绘制的一维是萼片宽度
。您可以通过将 print iris
放在 iris = datasets.load_iris()
后面来查看每个数据点对应的内容。它打印出很多信息,但重要的信息位于底部(顺便说一句,不太漂亮)。看起来像这样-
:Attribute Information:\n - sepal length in cm\n - sepal width in cm\n - petal length in cm\n - petal width in cm
属性对应X[flower][0]、X[flower][1]、X[flower][2]、X[flower][3]。
作业
要查看每个数据点的聚类分配,请在 labels = est.labels_
下面添加此内容:
for flower in range(len(labels)):
print (X[flower],labels[flower])
将为您提供下面的结果,仅显示一种访问数据点集群分配的方法,您可能不关心打印它们,而是将它们存储在有意义的地方。
(array([ 5.1, 3.5, 1.4, 0.2]), 1)
(array([ 4.9, 3. , 1.4, 0.2]), 5)
(array([ 4.7, 3.2, 1.3, 0.2]), 5)
关于python - 虹膜数据在哪一部分接收到标记簇?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34884175/