Python实现简单层次聚类算法以及可视化 - 行业资讯 - 肥雀云

本文实例为大家分享了Python实现简单层次聚类算法,以及可视化,供大家参考,具体内容如下

基本的算法思路就是:把当前组间距离最小的两组合并成一组。

算法的差异在算法如何确定组件的距离,一般有最大距离,最小距离,平均距离,马氏距离等等。

代码如下:

　　　　　　进口numpy np 　　进口data_helper 　　np.random.seed (1) 　　def get_raw_data (n): 　　_data=https://www.yisu.com/zixun/np.random.rand (n, 2) 　　#生成数据的格式是n个(x, y) 　　_groups={idx: [[x, y]] idx的(x, y)列举(_data)} 　　返回_groups 　　def cal_distance (cluster1, cluster2): 　　#采用最小距离作为聚类标准　　_min_distance=10000 　　(x1, y1 cluster1: 　　x2, y2 cluster2: 　　_distance=(x1, x2)) * * 2 + (y1 y2) * * 2 　　如果_distance <_min_distance: 　　_min_distance=_distance 　　返回_distance 　　组=get_raw_data (10) 　　数=0 　　虽然len(组)!=1:#判断是不是所有的数据是不是归为了同一类　　min_distance=10000 　　len_groups=len(组) 　　　　因为我在groups.keys (): 　　在groups.keys j (): 　　如果我>=珍: 　　继续　　距离=cal_distance(组[我],[j]组) 　　如果距离我　　组[min_i] .extend (groups.pop (min_j)) 　　data_helper.draw_data(集团) 　　#一共n个簇,共迭代n - 1次　　之前　　　　

运行的效果就是迭代一次,组数就会少一次,调用画图方法,同一组的数据被显示为一个颜色。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。