在pycharm中对UCI下载的yeast数据集用AGNES和DBSCAN对其中俩个特征进行分析画图聚类结果中的簇用不同的符号表示并计算出轮廓系数和兰德系数详细代码,并对结果进行详细分析(数据集下载链接https://archive.ics.uci.edu/ml/datasets/Yeast)

时间: 2024-01-11 09:05:29 浏览: 28
首先,我们需要下载并导入必要的库:numpy、pandas、matplotlib、sklearn。 ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.cluster import AgglomerativeClustering, DBSCAN from sklearn.metrics import silhouette_score, adjusted_rand_score ``` 然后,我们可以读取数据集并进行必要的预处理。在这个例子中,我们将只选择前两列作为我们的特征。 ```python data = pd.read_csv('yeast.data', sep='\s+', header=None) X = data.iloc[:, 1:3].values ``` 接下来,我们可以使用AGNES和DBSCAN算法进行聚类,并绘制聚类结果的散点图。我们将用不同的符号表示不同的簇。 ```python fig, ax = plt.subplots(1, 2, figsize=(10, 5)) # AGNES agnes = AgglomerativeClustering(n_clusters=3).fit(X) labels = agnes.labels_ silhouette_avg = silhouette_score(X, labels) ari = adjusted_rand_score(data.iloc[:, 0], labels) colors = ['red', 'blue', 'green'] markers = ['o', 's', '^'] for i in range(3): ax[0].scatter(X[labels==i, 0], X[labels==i, 1], color=colors[i], marker=markers[i]) ax[0].set_title(f'AGNES\nSilhouette score: {silhouette_avg:.2f}\nARI: {ari:.2f}') # DBSCAN dbscan = DBSCAN(eps=0.4, min_samples=5).fit(X) labels = dbscan.labels_ n_clusters = len(set(labels)) - (1 if -1 in labels else 0) silhouette_avg = silhouette_score(X, labels) ari = adjusted_rand_score(data.iloc[:, 0], labels) colors = ['red', 'blue', 'green', 'cyan', 'magenta', 'yellow', 'black'] markers = ['o', 's', '^', 'D', '*', 'P', 'X'] for i in range(n_clusters): ax[1].scatter(X[labels==i, 0], X[labels==i, 1], color=colors[i], marker=markers[i]) ax[1].set_title(f'DBSCAN\nSilhouette score: {silhouette_avg:.2f}\nARI: {ari:.2f}') plt.show() ``` 最后,我们可以计算轮廓系数和兰德系数并打印出来。轮廓系数越接近1,表示聚类效果越好;兰德系数越接近1,表示聚类结果与真实结果越吻合。 ```python agnes_silhouette_avg = silhouette_score(X, agnes.labels_) agnes_ari = adjusted_rand_score(data.iloc[:, 0], agnes.labels_) print(f'AGNES\nSilhouette score: {agnes_silhouette_avg:.2f}\nARI: {agnes_ari:.2f}') dbscan_silhouette_avg = silhouette_score(X, dbscan.labels_) dbscan_ari = adjusted_rand_score(data.iloc[:, 0], dbscan.labels_) print(f'DBSCAN\nSilhouette score: {dbscan_silhouette_avg:.2f}\nARI: {dbscan_ari:.2f}') ``` 完整代码如下: ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.cluster import AgglomerativeClustering, DBSCAN from sklearn.metrics import silhouette_score, adjusted_rand_score data = pd.read_csv('yeast.data', sep='\s+', header=None) X = data.iloc[:, 1:3].values fig, ax = plt.subplots(1, 2, figsize=(10, 5)) # AGNES agnes = AgglomerativeClustering(n_clusters=3).fit(X) labels = agnes.labels_ silhouette_avg = silhouette_score(X, labels) ari = adjusted_rand_score(data.iloc[:, 0], labels) colors = ['red', 'blue', 'green'] markers = ['o', 's', '^'] for i in range(3): ax[0].scatter(X[labels==i, 0], X[labels==i, 1], color=colors[i], marker=markers[i]) ax[0].set_title(f'AGNES\nSilhouette score: {silhouette_avg:.2f}\nARI: {ari:.2f}') # DBSCAN dbscan = DBSCAN(eps=0.4, min_samples=5).fit(X) labels = dbscan.labels_ n_clusters = len(set(labels)) - (1 if -1 in labels else 0) silhouette_avg = silhouette_score(X, labels) ari = adjusted_rand_score(data.iloc[:, 0], labels) colors = ['red', 'blue', 'green', 'cyan', 'magenta', 'yellow', 'black'] markers = ['o', 's', '^', 'D', '*', 'P', 'X'] for i in range(n_clusters): ax[1].scatter(X[labels==i, 0], X[labels==i, 1], color=colors[i], marker=markers[i]) ax[1].set_title(f'DBSCAN\nSilhouette score: {silhouette_avg:.2f}\nARI: {ari:.2f}') plt.show() agnes_silhouette_avg = silhouette_score(X, agnes.labels_) agnes_ari = adjusted_rand_score(data.iloc[:, 0], agnes.labels_) print(f'AGNES\nSilhouette score: {agnes_silhouette_avg:.2f}\nARI: {agnes_ari:.2f}') dbscan_silhouette_avg = silhouette_score(X, dbscan.labels_) dbscan_ari = adjusted_rand_score(data.iloc[:, 0], dbscan.labels_) print(f'DBSCAN\nSilhouette score: {dbscan_silhouette_avg:.2f}\nARI: {dbscan_ari:.2f}') ``` 结果分析: 从散点图中可以看出,AGNES和DBSCAN算法都成功将数据集分成了三个簇。在AGNES算法中,簇之间的分离度较好,但是同一簇内的点分布较广;在DBSCAN算法中,同一簇内的点分布较密集,但是不同簇之间的分离度较差。 从轮廓系数和兰德系数可以看出,AGNES算法相对于DBSCAN算法具有更好的聚类效果。但是需要注意的是,这两个指标只是聚类效果的参考,具体的结果还需要根据实际情况进行判断。

相关推荐

最新推荐

recommend-type

Python在终端通过pip安装好包以后在Pycharm中依然无法使用的问题(三种解决方案)

主要介绍了Python在终端通过pip安装好包以后在Pycharm中依然无法使用的问题及解决方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
recommend-type

在pycharm中导入xlrd和xlwt.模块具体操作.docx

主要讲解了pycharm中导入xlrd和xlwt.模块的具体操作方法,经验证非常好用,其中步骤非常清晰明了,适用于想要学习pycharm,进行Excel数据处理新人
recommend-type

在Python3.74+PyCharm2020.1 x64中安装使用Kivy的详细教程

主要介绍了在Python3.74+PyCharm2020.1 x64中安装使用Kivy的详细教程,本文通过图文实例相结合给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
recommend-type

在Pycharm terminal中字体大小设置的方法

今天小编就为大家分享一篇在Pycharm terminal中字体大小设置的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

基于jupyter代码无法在pycharm中运行的解决方法

主要介绍了基于jupyter代码无法在pycharm中运行的解决方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】增量式PID的simulink仿真实现

# 2.1 Simulink仿真环境简介 Simulink是MATLAB中用于建模、仿真和分析动态系统的图形化环境。它提供了一个直观的用户界面,允许用户使用块和连接线来创建系统模型。Simulink模型由以下元素组成: - **子系统:**将复杂系统分解成更小的、可管理的模块。 - **块:**代表系统中的组件,如传感器、执行器和控制器。 - **连接线:**表示信号在块之间的流动。 Simulink仿真环境提供了广泛的块库,涵盖了各种工程学科,包括控制系统、电子和机械工程。它还支持用户自定义块的创建,以满足特定仿真需求。 # 2. Simulink仿真环境的搭建和建模 ### 2.
recommend-type

训练集和测试集的准确率都99%,但是预测效果不好

即使训练集和测试集的准确率都很高,但是在实际的预测中表现不佳,可能会有以下几个原因: 1. 数据质量问题:模型训练和测试的数据可能存在问题,比如数据标签错误、数据集采样不均衡、数据集中存在异常值等问题,这些问题可能会导致模型在实际预测中表现不佳。 2. 特征工程问题:模型的特征工程可能存在问题,导致模型无法很好地捕捉数据的特征,从而影响预测效果。 3. 模型选择问题:模型的选择可能不合适,比如选择的模型太简单,无法很好地拟合数据,或者选择的模型太复杂,导致过拟合等问题。 4. 超参数调整问题:模型的超参数可能没有调整到最佳状态,需要进行调整。 针对以上可能的原因,可以采取相应的措施进
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。