上次，学习到从Tushare获取到的数据，经归一化处理、并降维到二维后展示等内容，为自己设定了的目标是继续学习sklearn函数包。今天就来总结一下最近的学习成果，重点讨论研究一下聚类算法。

一、 聚类算法

聚类算法广泛应用于非监督学习，其核心是对待处理的原始数据进行分类。聚类算法在 sklearn中有两种，一种是随机选取 k个样本作为中心点的kmeans,另一种是基于密度的DBscan。

1、kmeans算法包括四个步骤：

1）随机选择k个点作为初始的聚类中心；

2）对于剩下的点，根据其与聚类中心的距离，将其归入最近的簇

3）对每个簇，计算所有点的均值作为新的聚类中心

4）重复2、3直到聚类中心不再发生改变

在 sklearn中， kmeans有几个主要参数：

n_clusters：用于指定聚类中心的个数

init：初始聚类中心的方法，默认为k-meam++

max_iter：迭代次数，默认值为300

2、DBSCAN算法流程：

1）将所有点标记为核心点、边界点或噪声点；

2）删除噪声点；

3）为距离在Eps之内的所有核心点之间赋予一条边；

4）每组连通的核心点形成一个簇；

5）将每个边界点指派到一个与之关联的核心点的簇中（哪一个核心点的半

径范围之内）

在 sklearn中，DBSCAN有两个重要的参数

EPS：半径。

MINpts:核心点半径范围内的点数。

二、实践

1、聚类应该是在降维以后，也就是说聚类应该可以被展示出来。

2、代码中加入聚类后的运行效果。

样本聚类后的簇标签。

继续运行，进行拟合后的结果。

3、实现代码

# 聚类处理

import sklearn.cluster as skc

from sklearn import metrics

ss = np.array(newdata).reshape((-1,2))

print(ss)

db=skc.DBSCAN(eps=0.1,min_samples=20).fit(ss)

labels = db.labels_

print('Labels:')

print(labels)

raito=len(labels[labels[:] == -1]) / len(labels)

print('Noise raito:',format(raito, '.2%'))

n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)

print('Estimated number of clusters: %d' % n_clusters_)

print("Silhouette Coefficient: %0.3f"% metrics.silhouette_score(ss, labels))

for i in range(n_clusters_):

print('Cluster ',i,':')

print(list(ss[labels == i].flatten()))

plt.hist(ss,24)

#