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:
import numpy as np import data_helper np.random.seed(1) def get_raw_data(n): _data=np.random.rand(n,2) #生成数据的格式是n个(x,y) _groups={idx:[[x,y]] for idx,(x,y) in enumerate(_data)} return _groups def cal_distance(cluster1,cluster2): #采用最小距离作为聚类标准 _min_distance=10000 for x1,y1 in cluster1: for x2,y2 in cluster2: _distance=(x1-x2)**2+(y1-y2)**2 if _distance<_min_distance: _min_distance=_distance return _distance groups=get_raw_data(10) count=0 while len(groups)!=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(groups) for i in groups.keys(): for j in groups.keys(): if i>=j: continue distance=cal_distance(groups[i],groups[j]) if distance<min_distance: min_distance=distance min_i=i min_j=j#这里的j>i groups[min_i].extend(groups.pop(min_j)) data_helper.draw_data(groups) #一共n个簇,共迭代n-1次
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亿速云。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。