编程题

1. 分别使用混合高斯聚类算法（GMM）和K-Means聚类算法将agricultural_economy.xlsx文件中的9个样本聚成2类（可以使用sklearn的GaussianMixture和KMeans），用不同颜色绘图显示各类样本点，并与“最短距离聚类法”的结果进行比较，填写下表。

  表1  不同聚类算法聚类结果对比表

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.mixture import GaussianMixture

df =pd.read_excel('agricultural_economy.xlsx',index_col=0)
data=df.values

# 混合高斯聚类法
gmm = GaussianMixture(n_components=2, covariance_type='full', random_state=0)
gmm.fit(data)  # 训练，对x聚类
y_pre = gmm.predict(data) #类型预测
print("GMM聚类结果：",y_pre)

color_map = {0: 'red', 1: 'blue',2:'green'}
colors = [color_map[cat] for cat in y_pre]
plt.scatter(data[:, 0], data[:, 3], c=colors)
plt.title("GMM聚类结果")
plt.show()

# KMeans聚类法
KMEANS = KMeans(n_clusters=2).fit(data)
y_pre=KMEANS.labels_
print("K-Means聚类结果：",y_pre)
colors = [color_map[cat] for cat in y_pre]
plt.scatter(data[:, 0], data[:, 3], c=colors)
plt.title("K-Means聚类结果")
plt.show()

运行结果

GMM聚类结果： [1 1 0 1 0 0 0 1 1]

K-Means聚类结果： [0 0 0 0 1 1 1 0 0]