Python不调用已有的函数和库，自己写算法实现鸢尾花AGNES，DBScan算法

好的，下面我来介绍一下如何实现鸢尾花数据集的AGNES和DBSCAN聚类算法。

## AGNES算法实现

AGNES全称为Agglomerative Nesting，即聚合层次聚类算法，是一种自下而上的聚类算法。其流程如下：

1. 将每个数据点看作一个独立的簇。
2. 计算两个簇之间的距离，一般采用欧几里得距离或者曼哈顿距离。
3. 将距离最近的两个簇合并成一个新的簇。
4. 重复步骤2和步骤3，直到所有的数据点都被聚成一个簇。

下面是使用Python手动实现AGNES算法的代码：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 加载数据
data = pd.read_csv('iris.csv')

# 取出特征数据
X = data.iloc[:, :-1].values

# 定义距离函数，这里采用欧几里得距离
def dist(a, b):
    return np.sqrt(np.sum((a - b) ** 2))

# 计算两个簇的距离，这里采用最短距离法
def min_dist(ci, cj):
    return min([dist(xi, xj) for xi in ci for xj in cj])

# 初始化簇
clusters = [[xi] for xi in X]

# AGNES聚类
while len(clusters) > 1:
    # 计算任意两个簇之间的距离
    dists = [[min_dist(ci, cj) for cj in clusters] for ci in clusters]
    i, j = np.unravel_index(np.argmin(dists), np.shape(dists))
    # 合并簇
    clusters[i] += clusters[j]
    clusters.pop(j)

# 可视化聚类结果
colors = ['red', 'blue', 'green']
for i, cluster in enumerate(clusters):
    for xi in cluster:
        plt.scatter(xi[0], xi[1], c=colors[i])
plt.title('AGNES Clustering')
plt.show()

## DBSCAN算法实现

DBSCAN全称为Density-Based Spatial Clustering of Applications with Noise，即基于密度的聚类算法，是一种自下而上的聚类算法。其流程如下：

1. 随机选择一个未被访问的数据点P。
2. 检查P的邻域中是否有足够数量的数据点。
3. 如果P的邻域中数据点数量足够，则将P加入一个新簇中，并将其邻域中的数据点加入该簇中。
4. 如果P的邻域中数据点数量不足，则将P标记为噪声点。
5. 重复步骤1至步骤4，直到所有的数据点都被访问过。

下面是使用Python手动实现DBSCAN算法的代码：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 加载数据
data = pd.read_csv('iris.csv')

# 取出特征数据
X = data.iloc[:, :-1].values

# 定义距离函数，这里采用欧几里得距离
def dist(a, b):
    return np.sqrt(np.sum((a - b) ** 2))

# DBSCAN聚类
def dbscan(X, eps, min_pts):
    # 初始化标记数组和簇标记
    labels = np.zeros(len(X))
    cluster = 0
    # 遍历所有数据点
    for i in range(len(X)):
        # 如果该点已经被访问过，则跳过
        if labels[i] != 0:
            continue
        # 获取该点的邻域
        neighbors = [j for j in range(len(X)) if dist(X[i], X[j]) <= eps]
        # 如果邻域中数据点数量小于min_pts，则将该点标记为噪声点
        if len(neighbors) < min_pts:
            labels[i] = -1
        # 否则将该点加入一个新簇中，并将其邻域中的数据点加入该簇中
        else:
            cluster += 1
            labels[i] = cluster
            for j in neighbors:
                if labels[j] == -1:
                    labels[j] = cluster
                elif labels[j] == 0:
                    labels[j] = cluster
                    new_neighbors = [k for k in range(len(X)) if dist(X[j], X[k]) <= eps]
                    if len(new_neighbors) >= min_pts:
                        neighbors += new_neighbors
    return labels

# 调用DBSCAN算法
labels = dbscan(X, eps=0.5, min_pts=5)

# 可视化聚类结果
colors = ['red', 'blue', 'green']
for i in range(len(X)):
    if labels[i] == -1:
        plt.scatter(X[i][0], X[i][1], c='black')
    else:
        plt.scatter(X[i][0], X[i][1], c=colors[int(labels[i])-1])
plt.title('DBSCAN Clustering')
plt.show()

以上就是使用Python手动实现鸢尾花数据集的AGNES和DBSCAN聚类算法的全部内容。