tp_apprentissage/part_limits_AgglomerativeCl...

import os
from scipy.io import arff
from sklearn.cluster import AgglomerativeClustering
from graphs import clustering_plot


#####################################################
#####################################################
### LIMITES DE LA METHODE AGGLOMERATIVECLUSTERING ###
###                                               ###
### Données choisies:                             ###
### wingnut.arff          --> 2 clusters          ###
### zelnik4.arff          --> 5 clusters          ###
### cure-t1-2000n-2D.arff --> 6 clusters          ###
###                                               ###
### Etudiant: Abdel Kader CHABI SIKA B.           ###
### DGEI / 5 SDBD 2020-2021                       ###
#####################################################
#####################################################

files = ["wingnut.arff", "zelnik4.arff", "cure-t1-2000n-2D.arff"]
n_clusters = {"wingnut.arff":2, "zelnik4.arff":5, "cure-t1-2000n-2D.arff":6}

print("Génération des figures ...")
# Création des différents dossiers d'output
try:
    os.mkdir("AgglClustOutput")
except FileExistsError:
    pass
try:
    os.mkdir("AgglClustOutput/limits")
except FileExistsError:
    pass

################################
### NOMBRE DE CLUSTERS CONNU ###
################################
for file in files:
    # Chargement des données contenues dans le fichier
    data = arff.loadarff(f="artificial/"+file)[0]

    # Extraction des points contenus dans la donnée
    points = [[c[0],c[1]] for c in data]

    # Création d'un modèle AgglomerativeClustering pour le clustering des points
    modele_kmeans = AgglomerativeClustering(n_clusters=n_clusters[file], affinity="euclidean")

    # Clustering et prédiction des clusters
    predictions = modele_kmeans.fit_predict(points)

    # Plotting des clusters
    clustering_plot([p[0] for p in points], [p[1] for p in points], predictions, xlabel="Abcisses", ylabel="Ordonnes",
                    fig_title="Graphe de visualisation des clusters de "+file+"\nMéthode: AgglomerativeClustering",
                    output="AgglClustOutput/limits/bad_clusters_" + file.split(".")[0] + "_n_clust_connu.png")#, show=True)