Python实现简单层次聚类算法以及可视化_层次聚类算法python,python层次聚类 - CSDN文库

层次聚类算法

36 浏览量更新于2023-03-16 评论 6 收藏 35KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

Python实现简单层次聚类算法以及可视化实现简单层次聚类算法以及可视化

主要为大家详细介绍了Python实现简单层次聚类算法以及可视化，具有一定的参考价值，感兴趣的小伙伴们可

以参考一下

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我们。

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余0页未读，立即下载

评论0

weixin_38569203

粉丝: 0
资源: 932

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈