Python实现AGNES算法

AGNES算法是一种基于距离的聚类算法，其全称为自适应增量聚类算法（Agglomerative Nesting），它的主要思想是将每个样本看作一个初始的簇，然后将距离最近的两个簇合并成一个新的簇，直到满足某个终止条件为止。下面是Python实现AGNES算法的步骤：

1.导入必要的库和数据集

import numpy as np
import pandas as pd
from scipy.spatial.distance import pdist,squareform

data = pd.read_csv('data.csv',header=None)

2.计算距离矩阵

dist_matrix = pdist(data,metric='euclidean')

3.将每个样本看作一个初始的簇

clusters = []
for i in range(data.shape[0]):
    clusters.append([i])

4.合并距离最近的两个簇

while len(clusters) > 2:
    # 计算距离最近的两个簇的距离和索引
    min_dist = np.inf
    for i in range(len(clusters)):
        for j in range(i+1,len(clusters)):
            dist = np.mean(dist_matrix[clusters[i],clusters[j]])
            if dist < min_dist:
                min_dist = dist
                merge_index = (i,j)
    # 合并距离最近的两个簇
    clusters[merge_index[0]] += clusters[merge_index[1]]
    del clusters[merge_index[1]]

5.输出聚类后各个簇中数据点的编号

print(clusters)