首页GMM之后轮廓系数法代码 python

GMM之后轮廓系数法代码 python

时间: 2025-02-02 20:07:37 浏览: 53

### 使用轮廓系数法评估 GMM 聚类效果为了评估高斯混合模型 (GMM) 的聚类效果，可以使用轮廓系数法。下面是一个完整的 Python 示例代码，展示了如何利用 `sklearn` 库中的函数来完成这一任务。 ```python from sklearn.mixture import GaussianMixture from sklearn.metrics import silhouette_score import numpy as np import matplotlib.pyplot as plt # 创建模拟数据集 np.random.seed(0) X = np.r_[np.random.randn(500, 2) + [2, 2], np.random.randn(500, 2) + [-2, -2]] # 定义并训练GMM模型 gmm = GaussianMixture(n_components=2, random_state=42).fit(X) # 预测类别标签 labels = gmm.predict(X) # 计算轮廓系数得分 score = silhouette_score(X, labels) print(f'Silhouette Score: {score:.3f}') # 可视化结果 plt.scatter(X[:, 0], X[:, 1], c=labels, s=40, cmap='viridis') plt.title('Gaussian Mixture Model Clustering with Silhouette Coefficient Evaluation') plt.show() ``` 上述代码首先创建了一个简单的二维数据集作为输入样本；接着定义了两个组件的 GMM 模型，并对其进行拟合；之后预测每个观测值所属的最佳簇编号；最后计算这些分配给定的数据点集合的整体质量度量——即轮廓分数[^1]。

阅读全文