层次聚类 maltab代码并绘图

下面是一个使用层次聚类算法进行三维聚类的Matlab代码，并将聚类结果用图形展示出来：

% 生成随机数据
data = rand(100, 3);

% 使用层次聚类算法进行聚类
Y = pdist(data);
Z = linkage(Y, 'ward');
T = cluster(Z, 'maxclust', 3);

% 绘制聚类结果图形
figure;
scatter3(data(:,1),data(:,2),data(:,3),10,T);
title('Hierarchical Clustering Results');
xlabel('X');
ylabel('Y');
zlabel('Z');

在上面的代码中，我们使用Matlab的pdist函数计算每两个数据点之间的距离，并将结果存储在Y变量中。然后，我们使用linkage函数计算层次聚类的结果，并将结果存储在Z变量中。最后，我们使用cluster函数将层次聚类的结果划分为3个聚类，并将结果存储在T变量中。然后，我们使用scatter3函数绘制了每个数据点，并用不同的颜色表示它们所属的聚类。同时，我们添加了标题、坐标轴标签，使图形更加清晰易懂。

相关问题

层次聚类matlab代码

以下是一个简单的 MATLAB 代码示例，用于执行层次聚类：

% 生成随机数据
data = rand(10, 3);

% 计算距离矩阵
dist = pdist(data);

% 进行层次聚类
Z = linkage(dist);

% 绘制树状图
dendrogram(Z);

% 根据聚类结果分配类别
T = cluster(Z, 'maxclust', 3);

% 绘制聚类结果
scatter3(data(:,1), data(:,2), data(:,3), [], T, 'filled');

这段代码首先生成一个随机的10x3数据矩阵，然后使用`pdist`函数计算数据间的距离矩阵。接下来，使用`linkage`函数对距离矩阵进行层次聚类，然后使用`dendrogram`函数绘制树状图。最后，使用`cluster`函数将数据分配到3个不同的聚类中，并使用`scatter3`函数绘制聚类结果。

层次聚类python代码

下面是一个使用scikit-learn库进行层次聚类的Python代码示例：

from sklearn.cluster import AgglomerativeClustering
import numpy as np

# 创建样本数据
X = np.array([[5, 3],  
              [10, 15],
              [15, 12],
              [24, 10],
              [30, 30],
              [85, 70],
              [71, 80],
              [60, 78],
              [70, 55],
              [80, 91],])

# 进行层次聚类
clustering = AgglomerativeClustering(n_clusters=2).fit(X)

# 打印每个样本所属的簇
print(clustering.labels_)

上面的代码创建了一个包含10个样本的数据集，并使用`AgglomerativeClustering`类进行层次聚类。聚类的数量被设置为2个，因此最终生成2个簇。聚类结果存储在`clustering.labels_`中，打印输出即可看到每个样本所属的簇。