python——k-means聚类（余弦距离，用轮廓系数确定聚类系数K）

    用scikit-learn进行k-means聚类，默认使用欧式距离，为了用余弦距离作为度量，找了一个在生物信息学里比较常用的库：Biopython。
Biopython <http://biopython-cn.readthedocs.io/zh_CN/latest/cn/chr15.html#>
为k-means聚类提供了各种距离函数，包括余弦距离、皮尔逊相似度量、欧式距离等。



    另外，为了确定一个合理的聚类系数，采用轮廓系数作为衡量标准：



    轮廓系数取值为[-1, 1]，其值越大越好。
from sklearn.cluster import KMeans from sklearn.metrics import
silhouette_score from Bio.Cluster import kcluster from Bio.Cluster import
clustercentroids import matplotlib.pyplot as plt %matplotlib inline import
numpy as np data=np.load('/home/philochan/ResExp/genderkernel/1.npy') coef = []
x=range(3,20) for clusters in x:clusterid, error, nfound = kcluster(data,
clusters, dist='u',npass=100) silhouette_avg = silhouette_score(data,
clusterid, metric = 'cosine') coef.append(silhouette_avg) e =[i+3 for i,j in
enumerate(coef) if j == max(coef)] print e print coef plt.plot(x,coef)
plt.show()

• « 上一篇：机器学习(周志华) 参考答案 第二章 模型评估与选择
• » 下一篇：threeJS19-Loader-json