带宽： 0.1 0.531661129692 聚类簇的个数为: 7
['#ff0000', '#d4802a', '#aa0055', '#7f807f', '#5500aa', '#2a80d4', '#0000ff']
带宽： 0.2 1.06332225938 聚类簇的个数为: 4
['#ff0000', '#aa0055', '#5500aa', '#0000ff']
带宽： 0.3 1.59498338907 聚类簇的个数为: 3
['#ff0000', '#7f807f', '#0000ff']
带宽： 0.4 2.12664451877 聚类簇的个数为: 1
['#ff0000']

# -*- coding:utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt
import sklearn.datasets as ds
import matplotlib.colors
from sklearn.cluster import MeanShift
from sklearn.metrics import euclidean_distances

#MeanShift 均值漂移算法  原理见：http://blog.csdn.net/google19890102/article/details/51030884

if __name__=='__main__':
    N=1000
    centers = [[1, 2], [-1, -1], [1, -1], [-1, 1]]
    #scikit中的make_blobs方法常被用来生成聚类算法的测试数据，直观地说，make_blobs会根据用户指定的特征数量、
    # 中心点数量、范围等来生成几类数据，这些数据可用于测试聚类算法的效果。
    #函数原型：sklearn.datasets.make_blobs(n_samples=100, n_features=2,
    # centers=3, cluster_std=1.0, center_box=(-10.0, 10.0), shuffle=True, random_state=None)[source]
    #参数解析：
    # n_samples是待生成的样本的总数。
    #
    # n_features是每个样本的特征数。
    #
    # centers表示类别数。
    #
    # cluster_std表示每个类别的方差，例如我们希望生成2类数据，其中一类比另一类具有更大的方差，可以将cluster_std设置为[1.0, 3.0]。
    data,y=ds.make_blobs(N,n_features=2,centers=centers,cluster_std=[0.5, 0.25, 0.7, 0.5],random_state=0)

    matplotlib.rcParams['font.sans-serif'] = [u'SimHei']
    matplotlib.rcParams['axes.unicode_minus'] = False
    plt.figure(figsize=(10,9),facecolor='w')
    #计算向量之间的距离
    m=euclidean_distances(data,squared=True)
    print 'm=',m
    bw=np.median(m)
    print 'bw=',bw
    for i,mul in enumerate(np.linspace(0.1,0.4,4)):
        band_width=mul*bw
        model=MeanShift(bin_seeding=True,bandwidth=band_width)
        ms=model.fit(data)
        centers=ms.cluster_centers_
        y_hat=ms.labels_
        n_clusters=np.unique(y_hat).size
        print '带宽：',mul,band_width,'聚类簇的个数为:',n_clusters

        plt.subplot(2,2,i+1)
        plt.title(u'带宽:%.2f,聚类簇的个数为:%d'%(band_width,n_clusters))
        clrs=[]
        for c in np.linspace(16711680, 255, n_clusters):
            clrs.append('#%06x' % c)
        print clrs
        for k,clr in enumerate(clrs):
            cur=(y_hat==k)
            #绘制散点图
            plt.scatter(data[cur, 0], data[cur, 1], c=clr, edgecolors='none')
        plt.scatter(centers[:, 0], centers[:, 1], s=150, c=clrs, marker='*', edgecolors='k')
        plt.grid(True)
    plt.tight_layout(2)
    plt.suptitle(u'MeanShift聚类', fontsize=20)
    plt.subplots_adjust(top=0.92)
    plt.show()