使用Scikit-learn包的Birch

下面是一个使用 scikit-learn 中 Birch 进行聚类的完整示例和说明。

1. 基本用法

import numpy as np
import matplotlib.pyplot as plt

from sklearn.datasets import make_blobs
from sklearn.cluster import Birch
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import silhouette_score

# 生成示例数据：3000 个样本，5 个簇
X, y_true = make_blobs(
    n_samples=3000,
    centers=5,
    cluster_std=0.7,
    random_state=42
)

# BIRCH 对特征尺度敏感，建议先标准化
X = StandardScaler().fit_transform(X)

# 创建 BIRCH 模型
birch = Birch(
    threshold=0.5,          # 子簇半径阈值
    branching_factor=50,    # CF 树节点最大分支数
    n_clusters=5,           # 最终聚类数；None 表示只生成子簇
    compute_labels=True,
    copy=True
)

# 拟合并预测
labels = birch.fit_predict(X)

# 查看结果
print("最终簇标签：", np.unique(labels))
print("子簇中心数量：", len(birch.subcluster_centers_))
print("轮廓系数：", silhouette_score(X, labels))

# 可视化
plt.figure(figsize=(8, 6))
plt.scatter(X[:, 0], X[:, 1], c=labels, cmap="viridis", s=10)

# 注意：subcluster_centers_ 是子簇中心，不是最终簇中心
plt.scatter(
    birch.subcluster_centers_[:, 0],
    birch.subcluster_centers_[:, 1],
    c="red",
    marker="x",
    s=100,
    label="子簇中心"
)

plt.title("BIRCH 聚类结果")
plt.legend()
plt.show()

2. 预测新数据

X_new = np.array([
    [0.1, 0.2],
    [-1.0, 0.5],
    [1.5, -0.3]
])

pred = birch.predict(X_new)
print("新样本预测簇：", pred)

3. 关键参数说明

常用属性：

• birch.labels_：训练数据的最终簇标签
• birch.subcluster_centers_：子簇中心
• birch.subcluster_labels_：子簇对应的最终簇标签

4. 使用建议

1. 先标准化数据
   BIRCH 的 threshold 对特征尺度敏感，通常先用 StandardScaler。

2. 适合大规模、球状簇数据
   BIRCH 通过 CF 树压缩数据，适合样本量较大的场景，但对非凸簇、密度差异很大的数据效果可能不好。

3. 如何选择 n_clusters
   如果不知道簇数，可以先设 n_clusters=None，观察子簇数量，再结合轮廓系数、肘部法等确定最终簇数。

4. 增量学习
   BIRCH 支持 partial_fit，可用于增量构建 CF 树，适合流式或大数据场景。

简单总结：
Birch(threshold=..., branching_factor=..., n_clusters=...) → fit_predict(X) → 得到聚类标签。实际使用时重点调节 threshold 和 n_clusters。