SC、CH轮廓系数之代码演示

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
from sklearn.metrics import silhouette_score, calinski_harabasz_score

# 1. 生成数据
print("=== 1. 生成数据 ===")
X, y_true = make_blobs(
    n_samples=500,
    centers=4,
    cluster_std=0.5,
    random_state=42
)
print(f"数据形状: {X.shape}")

# 2. SSE + 肘部法
print("\n=== 2. SSE + 肘部法 ===")

def demo01_sse(X):
    """SSE + 肘部法"""
    print("\n--- SSE + 肘部法 ---")
    
    # K值范围（SSE可以从1开始）
    k_range = range(1, 11)
    sse_list = []
    
    for k in k_range:
        kmeans = KMeans(n_clusters=k, random_state=42, n_init=10)
        kmeans.fit(X)
        sse = kmeans.inertia_
        sse_list.append(sse)
        print(f"K={k}: SSE={sse:.4f}")
    
    # 绘制折线图
    plt.figure(figsize=(10, 6))
    plt.plot(k_range, sse_list, 'bo-')
    plt.xlabel('K值')
    plt.ylabel('SSE')
    plt.title('SSE + 肘部法')
    plt.grid(True)
    plt.xticks(k_range)
    plt.savefig('demo01_sse.png', dpi=100)
    print("SSE图已保存")

demo01_sse(X)

# 3. SC轮廓系数
print("\n=== 3. SC轮廓系数 ===")

def demo02_sc(X):
    """SC轮廓系数"""
    print("\n--- SC轮廓系数 ---")
    
    # K值范围（SC至少从2开始）
    k_range = range(2, 11)
    sc_list = []
    
    for k in k_range:
        kmeans = KMeans(n_clusters=k, random_state=42, n_init=10)
        # 训练并预测
        y_pred = kmeans.fit_predict(X)
        # 计算SC值
        sc = silhouette_score(X, y_pred)
        sc_list.append(sc)
        print(f"K={k}: SC={sc:.4f}")
    
    # 绘制折线图
    plt.figure(figsize=(10, 6))
    plt.plot(k_range, sc_list, 'ro-')
    plt.xlabel('K值')
    plt.ylabel('SC轮廓系数')
    plt.title('SC轮廓系数')
    plt.grid(True)
    plt.xticks(k_range)  # 注意：从2开始
    plt.savefig('demo02_sc.png', dpi=100)
    print("SC图已保存")
    
    # 找最佳K值
    best_k = list(k_range)[np.argmax(sc_list)]
    print(f"\n最佳K值: {best_k} (SC={max(sc_list):.4f})")

demo02_sc(X)

# 4. CH轮廓系数
print("\n=== 4. CH轮廓系数 ===")

def demo03_ch(X):
    """CH轮廓系数"""
    print("\n--- CH轮廓系数 ---")
    
    # K值范围（CH至少从2开始）
    k_range = range(2, 11)
    ch_list = []
    
    for k in k_range:
        kmeans = KMeans(n_clusters=k, random_state=42, n_init=10)
        # 训练并预测
        y_pred = kmeans.fit_predict(X)
        # 计算CH值
        ch = calinski_harabasz_score(X, y_pred)
        ch_list.append(ch)
        print(f"K={k}: CH={ch:.4f}")
    
    # 绘制折线图
    plt.figure(figsize=(10, 6))
    plt.plot(k_range, ch_list, 'go-')
    plt.xlabel('K值')
    plt.ylabel('CH轮廓系数')
    plt.title('CH轮廓系数')
    plt.grid(True)
    plt.xticks(k_range)  # 注意：从2开始
    plt.savefig('demo03_ch.png', dpi=100)
    print("CH图已保存")
    
    # 找最佳K值
    best_k = list(k_range)[np.argmax(ch_list)]
    print(f"\n最佳K值: {best_k} (CH={max(ch_list):.4f})")

demo03_ch(X)

# 5. 三种指标对比图
print("\n=== 5. 三种指标对比图 ===")

def compare_all_metrics(X):
    """对比三种评估指标"""
    print("\n--- 三种指标对比 ---")
    
    k_range = range(1, 11)
    sse_list = []
    sc_list = []
    ch_list = []
    k_sc_ch = []
    
    for k in k_range:
        kmeans = KMeans(n_clusters=k, random_state=42, n_init=10)
        labels = kmeans.fit_predict(X)
        
        # SSE
        sse = kmeans.inertia_
        sse_list.append(sse)
        
        # SC和CH（K>=2）
        if k >= 2:
            sc = silhouette_score(X, labels)
            ch = calinski_harabasz_score(X, labels)
            sc_list.append(sc)
            ch_list.append(ch)
            k_sc_ch.append(k)
    
    # 绘制对比图
    fig, axes = plt.subplots(1, 3, figsize=(18, 5))
    
    # SSE
    axes[0].plot(k_range, sse_list, 'bo-')
    axes[0].set_xlabel('K值')
    axes[0].set_ylabel('SSE')
    axes[0].set_title('SSE（越小越好）')
    axes[0].grid(True)
    axes[0].set_xticks(k_range)
    
    # SC
    axes[1].plot(k_sc_ch, sc_list, 'ro-')
    axes[1].set_xlabel('K值')
    axes[1].set_ylabel('SC')
    axes[1].set_title('SC轮廓系数（越大越好）')
    axes[1].grid(True)
    axes[1].set_xticks(k_sc_ch)
    
    # CH
    axes[2].plot(k_sc_ch, ch_list, 'go-')
    axes[2].set_xlabel('K值')
    axes[2].set_ylabel('CH')
    axes[2].set_title('CH轮廓系数（越大越好）')
    axes[2].grid(True)
    axes[2].set_xticks(k_sc_ch)
    
    plt.tight_layout()
    plt.savefig('compare_all_metrics.png', dpi=100)
    print("三种指标对比图已保存")
    
    # 最佳K值
    print(f"\n最佳K值:")
    print(f"  SSE肘部法: K=4")
    print(f"  SC轮廓系数: K={k_sc_ch[np.argmax(sc_list)]} (SC={max(sc_list):.4f})")
    print(f"  CH轮廓系数: K={k_sc_ch[np.argmax(ch_list)]} (CH={max(ch_list):.4f})")

compare_all_metrics(X)

# 6. 测试
print("\n=== 6. 测试 ===")

def test():
    """测试"""
    print("\n--- 测试 ---")
    
    # 生成数据
    X, _ = make_blobs(n_samples=500, centers=4, cluster_std=0.5, random_state=42)
    
    # 使用最佳K值聚类
    kmeans = KMeans(n_clusters=4, random_state=42, n_init=10)
    labels = kmeans.fit_predict(X)
    
    # 评估
    sse = kmeans.inertia_
    sc = silhouette_score(X, labels)
    ch = calinski_harabasz_score(X, labels)
    
    print(f"K=4:")
    print(f"  SSE: {sse:.4f}（越小越好）")
    print(f"  SC: {sc:.4f}（越大越好）")
    print(f"  CH: {ch:.4f}（越大越好）")
    
    # 可视化
    plt.figure(figsize=(8, 6))
    plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis', alpha=0.6)
    plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1],
                c='red', marker='x', s=200, linewidths=3)
    plt.title(f'KMeans聚类 (K=4, SC={sc:.4f}, CH={ch:.4f})')
    plt.savefig('test_result.png', dpi=100)
    print("测试结果图已保存")

test()

# 7. 完整流程
def sc_ch_demo_pipeline():
    """SC和CH演示完整流程"""
    print("=" * 50)
    print("SC和CH轮廓系数 - 代码演示")
    print("=" * 50)
    
    # 1. 生成数据
    print("\n1. 生成数据")
    X, _ = make_blobs(n_samples=500, centers=4, cluster_std=0.5, random_state=42)
    
    # 2. SSE
    print("\n2. SSE + 肘部法")
    demo01_sse(X)
    
    # 3. SC
    print("\n3. SC轮廓系数")
    demo02_sc(X)
    
    # 4. CH
    print("\n4. CH轮廓系数")
    demo03_ch(X)
    
    # 5. 测试
    print("\n5. 测试")
    test()
    
    print("\n" + "=" * 50)
    print("演示完成!")
    print("=" * 50)

sc_ch_demo_pipeline()