#coding=utf-8

import numpy as np

import matplotlib.pyplot as plt

from sklearn.cluster import KMeans

import sklearn.datasets as ds

import matplotlib

matplotlib.rcParams['font.sans-serif'] = [u'SimHei']

matplotlib.rcParams['axes.unicode_minus'] = False

#生成测试数据

#生成维度为2，个数为200个的样本点。其中有4个聚类中心。每一个簇的方差分别为1,2,2,1

data,y = ds.make_blobs(200,n_features=2,centers=4, cluster_std=[1,2,2,1], random_state=3)

#绘制样本点

colors=['red','yellow','blue','black']

plt.title(u"原始数据")

plt.subplot(211)

for i in range(4):

plt.scatter(data[y==i][:,0],data[y==i][:,1],color=colors[i])

#开始聚类

model = KMeans(n_clusters=4,init="k-means++")

model.fit(data,y)

#pre_y = model.fit(data,y)

#分类结果

pre_y = model.labels_

#对比分类效果

plt.title(u"聚类数据")

plt.subplot(212)

for i in range(4):

plt.scatter(data[pre_y==i][:,0],data[pre_y==i][:,1],color=colors[i])

plt.show()

#假设我们不知道有几个簇，可以通过下面的方法来解决

a = []

for i in range(1,10):

model = KMeans(n_clusters=i,init="k-means++")

model.fit(data)

#model.inertia_ 表示每一个样本点到自己的聚类中心的距离的平方和的和。越小表示聚类效果越好

a.append(model.inertia_)

a = np.array(a)

plt.plot(range(1,10),a/100)

plt.show()

#根据最后的图形可知最好的簇中心数为4