上一节我们讲了无监督学习的分类，本章用sklearn库进行代码实战一下，实现聚类。

导入模块

import matplotlib.pyplot as plt

from sklearn.datasets import make_moons# 样本生成器
from sklearn import metrics, cluster #评价方法，聚类库

准备数据

sklearn中的数据集主要分为四类：

1. Toy datasets 玩具数据集。这种数据集一般采用sklearn.datasets.load_加载数据集
2. Real world datasets（真实世界数据集）。这些数据集通常需要通过sklearn.datasets.fetch_函数从网络上下载，它们是近年来真实收集的数据，适用于更复杂的机器学习任务。例如，新闻组（20 Newsgroups）数据集，这是一个用于文本分类的大型数据集。
3. Generated datasets（生成数据集）。sklearn.datasets 还提供了一系列函数来生成人工数据集，如make_classification、make_regression等。这些函数可以根据用户指定的参数生成用于分类、回归等任务的数据集。
4. 其他。还提供了一些从OpenML下载数据的方法、从外部加载数据集等等

本次选用了make_moons生成数据集，该接口参数说明如下：

n_samples：

如果为int，则生成的总点数。 如果是两个元素的元组，则两个月亮中每个月亮的点数。

shuffle bool, optional (default=True)

是否shuffle样本。

noise double or None (default=None)

加到数据中的高斯噪声的标准偏差。

random_state int, RandomState instance, default=None

确定用于数据集改组和噪声的随机数生成。 为多个函数调用传递可重复输出的int值。

实现：

X, y_true = make_moons(200, noise=.05, random_state=0)

其中返回值X是样本数据，y_true是每个样本的类成员的整数标签（0或1）

使用kmeans聚类

在skearn中kmeans等算法来实现聚类已经是很简单的了，一个函数即可

# gmm = GaussianMixture(n_components=2)
# gmm = cluster.MeanShift()
gmm = cluster.KMeans(4)
# gmm = cluster.AgglomerativeClustering(2)
# gmm = cluster.AffinityPropagation()
# gmm = cluster.SpectralClustering(2,affinity="nearest_neighbors")
# gmm = cluster.DBSCAN()

模型训练&并获取结果

labels = gmm.fit_predict(X)

评估

使用轮廓系数等评估聚类模型的效果

print(metrics.silhouette_score(X, labels))
print(metrics.calinski_harabasz_score(X, labels))
print(metrics.davies_bouldin_score(X, labels))

可视化

plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis');
plt.show()