Python三维聚类

原创

mob649e816704bc 2024-09-03 05:29:51 ©著作权

©著作权归作者所有：来自51CTO博客作者mob649e816704bc的原创作品，请联系作者获取转载授权，否则将追究法律责任

Python三维聚类指南

在数据科学和机器学习的领域，数据聚类是非常重要的一种无监督学习方法。特别是对于三维数据聚类，它可以帮助我们发现数据中的潜在模式。今天，我将带你通过一个简单的流程来实现Python三维聚类。

流程概述

为便于理解，我将整个过程分为以下几个步骤。

步骤	内容
1. 数据准备	导入必要的库并生成三维数据集
2. 数据可视化	使用散点图展示数据
3. 选择聚类算法	选择并应用合适的聚类算法
4. 可视化聚类结果	可视化聚类效果
5. 评估聚类效果	评估聚类的效果

接下来我们将逐步进行。

1. 数据准备

我们首先需要导入必要的库并生成一个三维数据集。我们将使用numpy生成数据，使用matplotlib进行可视化。

# 导入必要的库
import numpy as np
import matplotlib.pyplot as plt

# 生成三维数据
np.random.seed(0)  # 设置随机种子，以便结果可重现
n_samples = 100  # 数据样本数

# 生成三个不同正态分布的数据簇
data1 = np.random.normal(loc=[0, 0, 0], scale=1.0, size=(n_samples, 3))
data2 = np.random.normal(loc=[5, 5, 5], scale=1.0, size=(n_samples, 3))
data3 = np.random.normal(loc=[-5, -5, -5], scale=1.0, size=(n_samples, 3))

# 将数据合并为一个全局数据集
data = np.vstack((data1, data2, data3))

代码注释

numpy: 用于生成随机数据。
matplotlib: 用于数据可视化。
np.random.seed(0): 确保生成的随机数据在每次运行时是相同的。
np.random.normal: 生成正态分布的数据。

2. 数据可视化

在进行聚类以前，我们需要对数据进行可视化，以便更好地理解数据分布。

# 3D散点图可视化数据
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(data[:, 0], data[:, 1], data[:, 2], c='blue', marker='o')
ax.set_title('3D Scatter Plot of Data')
ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')
ax.set_zlabel('Z axis')
plt.show()

代码注释

plt.figure(): 创建一个新图形。
add_subplot(111, projection='3d'): 添加一个3D子图。
ax.scatter(...): 绘制三维散点图。
plt.show(): 显示绘制的图形。

3. 选择聚类算法

接下来，我们选择一种聚类算法进行聚类。在本例中，我们将使用KMeans聚类算法。

from sklearn.cluster import KMeans

# 设置聚类数量
n_clusters = 3

# 初始化并拟合KMeans算法
kmeans = KMeans(n_clusters=n_clusters)
kmeans.fit(data)

# 获取聚类标签
labels = kmeans.labels_

代码注释

from sklearn.cluster import KMeans: 导入KMeans聚类算法。
KMeans(n_clusters=n_clusters): 初始化KMeans对象，指定要聚类的簇数。
kmeans.fit(data): 使用提供的数据进行聚类。
kmeans.labels_: 返回每个样本的聚类标签。

4. 可视化聚类结果

聚类完成后，我们需要将结果可视化。我们可以将不同的聚类用不同的颜色表示。

# 用颜色标识聚类结果
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 为每个聚类绘制不同的颜色
for i in range(n_clusters):
    ax.scatter(data[labels == i, 0], data[labels == i, 1], data[labels == i, 2], label=f'Cluster {i}')

ax.set_title('KMeans Clustering Results')
ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')
ax.set_zlabel('Z axis')
ax.legend()
plt.show()

代码注释

for i in range(n_clusters): 循环遍历每个聚类。
ax.scatter(data[labels == i, ...: 对每个聚类使用不同的颜色进行可视化。
ax.legend(): 显示图例，以便辨认不同的聚类。

5. 评估聚类效果

最后，我们可以使用一些评估指标，比如轮廓系数，来评估我们的聚类效果。

from sklearn.metrics import silhouette_score

# 计算轮廓系数
score = silhouette_score(data, labels)
print(f'Silhouette Score: {score:.2f}')

代码注释

from sklearn.metrics import silhouette_score: 导入轮廓系数功能。
silhouette_score(data, labels): 计算轮廓系数，值在[-1, 1]之间，越接近1表示聚类效果越好。

饼状图与类图示例

在聚类完毕后，我们可以用饼状图展示每个聚类的样本数量分布，以及用类图展示我们的程序结构。

饼状图

以下是一个简单的饼状图示例，用于表示每个聚类中样本的比例：

pie
    title 聚类样本分布
    "Cluster 0": 100
    "Cluster 1": 100
    "Cluster 2": 100

类图

以下是基本类图的示例，用于展示我们的数据处理和聚类过程：

classDiagram
    class DataPreparation {
        +void generateData()
        +void visualizeData()
    }

    class Clustering {
        +void applyKMeans()
        +void visualizeClusters()
        +void evaluateClusters()
    }

    DataPreparation --> Clustering