机器学习（四）之无监督学习

前言：

前面写了监督学习的几种算法，下面就开始无监督啦！

如果文章有错误之处，小伙伴尽情在评论区指出来（嘿嘿），看到就会回复的。

1.聚类（Clustering）

1.1 概述（Overview of clustering methods）

当这个类有一定形状（图的最上两行），即非平面流体，并且标准的欧式距离不是正确的度量标准时，聚类是非常有用的。

1.2 K-means

1.2.1 概念

通过把样本分离成 n 个具有相同方差 的类的方式来对数据进行聚类，最小化一个称为惯量或簇内平方和 的准则（见下文）。该算法需要指定簇的数量 。它可以很好地扩展到大量样本，并已经在许多不同领域的应用领域被广泛使用。

注：簇和类应该是一样的概念，我们一同使用。

1.2.2 实现

是样本，是簇心。下面是误差公式：

输入K和数据集N，tol（阈值）
随意初始化一个K个样本作为一个簇的中心（质心）
将离质心近的样本归为一类，计算簇內平方和误差
计算簇內均值更新质心
重复3,4步骤直到误差<tol或者到了最大循环次数，跳出循环，返回簇心

说明：

这个K-Mean需要调参（比悲伤更悲伤的事）

n_clusters（K值），

max_iter（最大收敛次数），

n_init（ 不同的初始化质心运行算法的次数，一般不需要修改，默认是10 ，如果你的K值较大，可以适当增大**），**

algorithm: 有"auto", "full" or "elkan"三种选择。"full"就是传统的K-Means算法， "elkan"是elkan K-Means算法。默认的"auto"则会根据数据值是否是稀疏的，来决定如何选择"full"和"elkan"。一般数据是稠密的，那么就是 "elkan"，否则就是"full"。一般来说建议直接用默认的"auto"

1.2.3 代码

python 复制代码

import matplotlib.pyplot as plt
import mpl_toolkits.mplot3d

import numpy as np

from sklearn import datasets
from sklearn.cluster import KMeans

np.random.seed(5)
iris=datasets.load_iris()
x=iris.data  #4个特征
y=iris.target

estimators=[
    ('K_means_iris_8',KMeans(n_clusters=8)),
    ('K_means_iris_3',KMeans(n_clusters=3)),
    ('K_means_iris_bad_init',KMeans(n_clusters=3,n_init=1,init='random')),
]
fig=plt.figure(figsize=(10,8))   #指定宽高：画一个1500*1200的图
titles=["8 clusters","3 clusters","3 clusters,bad initialization"]
for idx,((name,est),title) in enumerate(zip(estimators,titles)):  #使用每个不同 的方法进行训练和画图
    ax=fig.add_subplot(2,2,idx+1,projection="3d",elev=48,azim=134)
    est.fit(x)
    labels=est.labels_
    ax.scatter(x[:,3],x[:,0],x[:,2],c=labels.astype(float),edgecolor='k')  #取了三个特征进行画图
    ax.xaxis.set_ticklabels([])
    ax.yaxis.set_ticklabels([])
    ax.zaxis.set_ticklabels([])
    ax.set_xlabel('Patel width')
    ax.set_ylabel('Sepal length')
    ax.set_zlabel('Patel length')
    ax.set_title(title)

ax=fig.add_subplot(2,2,4,projection='3d',elev=48,azim=134)  #增加一个子图
for name,label in [("Setosa", 0), ("Versicolour", 1), ("Virginica", 2)]:
    ax.text3D(
        x[y==label, 3].mean(),   ###x[y==label, 3]中间有个空格，我找了半个小时！！！
        x[y==label, 0].mean(),
        x[y==label, 2].mean()+2,
        name,
        horizontalalignment="center",
        bbox=dict(alpha=0.2,edgecolor='w',facecolor='w'),
    )
ax.scatter(x[:,3],x[:,0],x[:,2],c=y,edgecolor='k')
ax.xaxis.set_ticklabels([])
ax.yaxis.set_ticklabels([])
ax.zaxis.set_ticklabels([])
ax.set_xlabel("Petal width")
ax.set_ylabel("Sepal length")
ax.set_zlabel("Petal length")
ax.set_title("Ground Truth")
plt.subplots_adjust(wspace=0.25,hspace=0.25)
plt.show()

总结：

从上图中可以看出，K值很大影响了这个簇分的好不好，所以这个很重要。下面这个n_init比上面那个要差一点**，**是因为值太小了。

模型好坏跟参数太息息相关啦！！！

1.2.4 拓展

Mini Batch K-Means：

这个和K-Means差不多，只是每次取小批量的数据进行训练。这些小批量极大减少了收敛到局部解所需的计算量。与其他降低 k-means 收敛时间的算法相比，小批量 k-means 产生的结果一般只比标准算法略差。

1.3 AP聚类算法(Affinity propagation)

1.3.1 引入

概念：

通过在不同点之间不断的传递信息，从而最终选出聚类中心，完成聚类。

优点：

不需要指定最终聚类族的个数
已有数据点作为最终的聚类中心，而不是新生成一个族中心
模型对数据的初始值不敏感
对初始相似度矩阵数据的对称性没有要求
相比与K-centers聚类方法，其结果的平方差误差较小

1.3.2 实现

好啦，后面有时间再填一些算法。

欢迎大家点赞，收藏！