digits数据集K-Means聚类演示中各代码命令的作用解释

1. 聚类质心可视化代码解析 #

对应代码段：

fig, ax = plt.subplots(2, 5, figsize=(8, 3))
centers = kmeans.cluster_centers_.reshape(10, 8, 8)
for axi, center in zip(ax.flat, centers):
    axi.set(xticks=[], yticks=[])
    axi.imshow(center, interpolation='nearest', cmap=plt.cm.binary)

逐行作用说明：

• centers = kmeans.cluster_centers_.reshape(10, 8, 8)：KMeans训练完成后，cluster_centers_属性存储了10个聚类的质心，每个质心是长度为64的一维数组（digits数据集单张手写数字图为88=64像素，拉平成一维输入模型）。这里调用reshape把每个长度64的一维质心还原为8行8列的二维像素矩阵，和原始图片尺寸对齐，最终得到形状为(10,8,8)的质心数组，对应10张88的质心图。
• for axi, center in zip(ax.flat, centers):：ax.flat会把原本2行5列的二维子图数组展平为一维迭代器，按从左到右、从上到下的顺序依次返回10个子图对象；zip将展平后的子图和10个质心一一配对，每次循环取出1个子图axi和对应的1个质心像素矩阵center。
• axi.set(xticks=[], yticks=[])：对当前子图设置坐标轴属性，传入空列表作为刻度值，直接隐藏x、y轴的所有刻度标记，避免多余坐标元素干扰图片查看。
• axi.imshow(center, interpolation='nearest', cmap=plt.cm.binary)：将8*8的质心像素矩阵渲染为图片：interpolation='nearest'使用最近邻插值，保证渲染出的像素块边缘锐利无模糊；cmap=plt.cm.binary指定二值灰度配色，像素值越高越接近黑色，越低越接近白色，和digits数据集原生的手写数字显示逻辑一致。

2. 聚类标签匹配代码解析 #

对应代码段：

from scipy.stats import mode
labels = np.zeros_like(clusters)
for i in range(10):
    mask = (clusters == i)
    labels[mask] = mode(digits.target[mask])[0]

逐行作用说明：

• from scipy.stats import mode：导入scipy统计模块中的众数计算函数，用于返回一组数据中出现频次最高的值。
• labels = np.zeros_like(clusters)：生成和clusters数组（即fit_predict返回的每个样本所属聚类编号的数组，长度等于总样本数）形状、数据类型完全一致的全0数组，用于存储每个聚类匹配到的真实数字标签。
• for i in range(10):：遍历0-9共10个聚类的编号。
• mask = (clusters == i)：生成布尔掩码数组，长度和总样本数一致，所有被划分到第i个聚类的样本对应位置为True，其余位置为False，用于快速筛选同属一个聚类的样本。
• labels[mask] = mode(digits.target[mask])[0]：完成单聚类的标签匹配：
  1. 用布尔掩码mask筛出所有属于第i个聚类的样本的真实标签（即这些手写数字实际对应的0-9数值）
  2. 对这批真实标签调用mode()计算众数，也就是该聚类中占比最高的真实数字——因为KMeans是无监督模型，聚类编号本身没有语义，这个众数就是该聚类最可能代表的真实数字；mode()返回的结果中索引为0的元素就是众数的具体数值
  3. 将计算得到的众数赋值给labels数组中所有属于第i个聚类的样本位置，完成该聚类所有样本的真实标签映射。

内容的提问来源于stack exchange，提问作者randomguy