不管之前介绍的K-means还是K-medoids聚类，都得事先确定聚类簇的个数，而且肘部法则也并不是万能的，总会遇到难以抉择的情况，而本篇将要介绍的Mean-Shift聚类法就可以自动确定k的个数，下面简要介绍一下其算法流程：
1.随机确定样本空间内一个半径确定的高维球及其球心；
2.求该高维球内质心，并将高维球的球心移动至该质心处；
3.重复2，直到高维球内的密度随着继续的球心滑动变化低于设定的阈值，算法结束
具体的原理可以参考下面的地址，笔者读完觉得说的比较明了易懂：
http://blog.csdn.net/google19890102/article/details/51030884
而在Python中，机器学习包sklearn中封装有该算法，下面用一个简单的示例来演示如何在Python中使用Mean-Shift聚类：
一、低维
from sklearn.cluster import MeanShift import matplotlib.pyplot as plt from sklearn.manifold import TSNE from matplotlib.pyplot import style import numpy as np '''设置绘图风格''' style.use('ggplot') '''生成演示用样本数据''' data1 = np.random.normal(0,0.3,(1000,2)) data2 = np.random.normal(1,0.2,(1000,2)) data3 = np.random.normal(2,0.3,(1000,2)) data = np.concatenate((data1,data2,data3)) # data_tsne = TSNE(learning_rate=100).fit_transform(data) '''搭建Mean-Shift聚类器''' clf=MeanShift() '''对样本数据进行聚类''' predicted=clf.fit_predict(data) colors = [['red','green','blue','grey'][i] for i in predicted] '''绘制聚类图''' plt.scatter(data[:,0],data[:,1],c=colors,s=10) plt.title('Mean Shift')
二、高维
from sklearn.cluster import MeanShift import matplotlib.pyplot as plt from sklearn.manifold import TSNE from matplotlib.pyplot import style import numpy as np '''设置绘图风格''' style.use('ggplot') '''生成演示用样本数据''' data1 = np.random.normal(0,0.3,(1000,6)) data2 = np.random.normal(1,0.2,(1000,6)) data3 = np.random.normal(2,0.3,(1000,6)) data = np.concatenate((data1,data2,data3)) data_tsne = TSNE(learning_rate=100).fit_transform(data) '''搭建Mean-Shift聚类器''' clf=MeanShift() '''对样本数据进行聚类''' predicted=clf.fit_predict(data) colors = [['red','green','blue','grey'][i] for i in predicted] '''绘制聚类图''' plt.scatter(data_tsne[:,0],data_tsne[:,1],c=colors,s=10) plt.title('Mean Shift')
三、实际生活中的复杂数据
我们以之前一篇关于K-means聚类的实战中使用到的重庆美团商户数据为例，进行Mean-Shift聚类：
import matplotlib.pyplot as plt from sklearn.cluster import MeanShift from sklearn.manifold import TSNE import pandas as pd import numpy as np from matplotlib.pyplot import style style.use('ggplot') data = pd.read_excel(r'C:UserswindowsDesktop重庆美团商家信息.xlsx') input = pd.DataFrame({'score':data['商家评分'][data['数据所属期'] == data.iloc[0,0]], 'comment':data['商家评论数'][data['数据所属期'] == data.iloc[0,0]], 'sales':data['本月销售额'][data['数据所属期'] == data.iloc[0,0]]}) '''去缺省值''' input = input.dropna() input_tsne = TSNE(learning_rate=100).fit_transform(input) '''创造色彩列表''' with open(r'C:UserswindowsDesktopcolors.txt','r') as cc: col = cc.readlines() col = [col[i][:7] for i in range(len(col)) if col[i][0] == '#'] '''进行Mean-Shift聚类''' clf = MeanShift() cl = clf.fit_predict(input) '''绘制聚类结果''' np.random.shuffle(col) plt.scatter(input_tsne[:,0],input_tsne[:,1],c=[col[i] for i in cl],s=8) plt.title('Mean-Shift Cluster of {}'.format(str(len(set(cl)))))
可见在实际工作中的复杂数据用Mean-Shift来聚类因为无法控制k个值，可能会产生过多的类而导致聚类失去意义，但Mean-Shift在图像分割上用处很大。
以上便是本篇对Mean-Shift简单的介绍，如有错误望指出。