一、Kmeans重要属性：labels_

重要属性 labels_，表示查看聚好的类别，每个样本所对应的类。

二、尝试在代码框回答以下问题:

首先，我们来自己创建一个数据集。这样的数据集是我们自己创建，所以是有标签的。

（1） 导入需要的模块、库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt 
from sklearn.datasets import make_blobs 
from sklearn.cluster import KMeans
plt.style.use('ggplot')

（2）自建数据集

#生成500*2的数据集，每一组数据可以有4个中心点，即数据集有4个标签
X, y = make_blobs(n_samples=500,
                  n_features=2,centers=4,random_state=1) 
 

（3）使用labels_查看聚好的类别

n_clusters = 3 # 设定聚类簇数
cluster = KMeans(n_clusters=n_clusters, random_state=0).fit(X)
y_pred = cluster.labels_
y_pred

输出为：
array([0, 0, 2, 1, 2, 1, 2, 2, 2, 2, 0, 0, 2, 1, 2, 0, 2, 0, 1, 2, 2, 2, 2, 1, 2, 2, 1, 1, 2, 2, 0, 1, 2, 0, 2, 0, 2, 2, 0, 2, 2, 2, 1, 2…])

知识点扩充
(1) KMeans因为并不需要建立模型或者预测结果，因此只需要fit就能够得到聚类结果了
(2) KMeans也有接口predict和fit_predict:

• predict表示学习数据X并对X的类进行预测（对分类器.fit()之后，再预测)
• fit_predict不需要分类器.fit()之后都可以预测

(3) 小节：分类器.fit(X).predict的结果= 分类器.fit_predict(X)=分类器.fit(X).labels_

fit_pre = KMeans(n_clusters=3, random_state=0).fit_predict(X)

(cluster.predict(X)==fit_pre).sum()
(fit_pre== cluster.labels_).sum()

是不是发现运行结果是一致的呢？ （尝试输出运行结果）

我们什么时候需要predict呢?当数据量太大的时候！
其实我们不必使用所有的数据来寻找质心，少量的数据就可以帮助我们确定质心了。
当我们数据量非常大的时候，我们可以使用部分数据来帮助我们确认质心，剩下的数据的聚类结果，使用predict来调用。

cluster_smallsub = KMeans(n_clusters=n_clusters, random_state=0).fit(X[:200])
sample_pred = cluster_smallsub.predict(X)
y_pred == sample_pred

输出为：
array([False, False, True, False, True, False, True, True, True, True, False, False, True…])
注： 这样的结果，肯定与直接 fit 全部数据会不一致。有时候，当不要求那么精确，或者数据量实在太大，那可以使用这样的方法。