FCM聚类 python scipy

FCM聚类是一种模糊C均值聚类算法，在Python中可以使用scipy库进行实现。首先，您需要安装相应的库，包括numpy、scikit-fuzzy和scikit-learn。然后，您可以按照以下步骤实施FCM聚类：

1. 导入所需的库:

import numpy as np
from skfuzzy.cluster import cmeans
from sklearn.metrics import silhouette_score
import matplotlib.pyplot as plt

2. 准备数据:

x = 10 * np.random.rand(100, 2)

这里使用了一个随机生成的100个样本的二维数据作为示例。

3. 执行FCM聚类:

K = 8
FPC = []
labels = []
for k in range(2, K):
    center, u, u0, d, jm, p, fpc = cmeans(x.T, m=2, c=k, error=0.5, maxiter=10000)
    label = np.argmax(u, axis=0)
    FPC.append(fpc)

这里使用了skfuzzy库中的cmeans函数来执行FCM聚类，其中m表示模糊度，c表示聚类的数量。执行完后，可以得到聚类中心center、隶属度矩阵u、迭代次数p以及评价指标fpc。

4. 可视化聚类结果:

for i in range(x.shape[0]):
    plt.plot(x[i, 0], x[i, 1], colo[label[i]] + 'o')
plt.show()

这里使用matplotlib库将聚类结果可视化出来。

5. 绘制FPC评价指标曲线:

X = range(2, K)
plt.plot(X, FPC, 'o-')
plt.xlabel('c')
plt.ylabel('FPC')
plt.title('FCM-cmeans')
plt.show()

这里将聚类数量c作为x轴，评价指标FPC作为y轴，绘制出FPC评价指标曲线。