23、聚类分析：从理论到Python实践

聚类分析：从理论到Python实践

1. 聚类基础与Python实现

聚类分析是数据挖掘中常用的技术，旨在将数据集中的对象分组为多个相似的类别。在Python中，我们可以借助 sklearn 库进行聚类操作。

首先，我们可以使用 sklearn.datasets 中的 make_blobs 方法生成合成数据集。这个方法可以生成各向同性的高斯斑点，其参数可以指定样本数量、每个样本的特征数量、中心的数量或位置、斑点的标准差等。以下是一个生成包含60个点的四个斑点的示例代码：

from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

X, y = make_blobs(n_samples=60, centers=4, n_features=2, random_state=0)
plt.figure(1)
markers = ['+', 'x', 'd', 'H']
for k, mark in enumerate(markers):
    cluster_data = y == k
    plt.scatter(X[cluster_data, 0], X[cluster_data, 1], c='k', marker=mark, s=10)
# s是设置点大小的参数
plt.title("Four Blobs")
plt.xticks([])
plt.yticks([])
plt.show()

上述代码运行后