Iris 数据集聚类：KMeans 和谱聚类可视化比较

Iris 数据集聚类：KMeans 和谱聚类可视化比较

本文将展示如何使用两种常见的聚类方法，KMeans 和谱聚类，对 Iris 数据集进行聚类，并通过可视化来比较两种方法的效果。最后，我们将通过观察可视化结果来选择最佳的超参数 K，即聚类簇数。

方法一：KMeans 聚类

KMeans 聚类是一种常见的聚类方法，可以将数据集划分为 K 个簇。在 Iris 数据集上，我们可以使用 KMeans 聚类将花朵分为不同的种类。

首先，导入需要的库和数据集：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn import datasets

iris = datasets.load_iris()
X = iris.data[:, :2]
y = iris.target

然后，我们可以使用 KMeans 聚类算法将数据集分为 3 类：

kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

最后，我们可以使用 matplotlib 库将聚类结果可视化：

plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.title('KMeans Clustering')
plt.show()

结果如下图所示：

在这个图中，不同颜色的点表示不同的簇。我们可以看到，KMeans 聚类算法成功将 Iris 数据集分为了 3 个簇。

此时，我们可以根据可视化结果来选择超参数 K，即聚类的簇数。通过观察图像，我们可以发现，聚类结果似乎更好地将数据分为了三类，因此我们选择 K=3。

方法二：谱聚类

谱聚类是一种基于图论的聚类方法，可以将数据集分为不同的簇。在 Iris 数据集上，我们可以使用谱聚类将花朵分为不同的种类。

首先，导入需要的库和数据集：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import SpectralClustering
from sklearn import datasets

iris = datasets.load_iris()
X = iris.data[:, :2]
y = iris.target

然后，我们可以使用谱聚类算法将数据集分为 3 类：

spectral = SpectralClustering(n_clusters=3, assign_labels='discretize', random_state=0).fit(X)

最后，我们可以使用 matplotlib 库将聚类结果可视化：

plt.scatter(X[:, 0], X[:, 1], c=spectral.labels_)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.title('Spectral Clustering')
plt.show()

结果如下图所示：

在这个图中，不同颜色的点表示不同的簇。我们可以看到，谱聚类算法成功将 Iris 数据集分为了 3 个簇。

此时，我们可以根据可视化结果来选择超参数 K，即聚类的簇数。通过观察图像，我们可以发现，聚类结果似乎更好地将数据分为了三类，因此我们选择 K=3。

总结

本文演示了使用 KMeans 和谱聚类两种方法对 Iris 数据集进行聚类，并通过可视化比较了两种方法的效果。通过观察可视化结果，我们可以选择最佳的超参数 K，即聚类簇数。希望本文对您理解聚类算法和选择最佳超参数有所帮助。