马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。
您需要 登录 才可以下载或查看,没有账号?立即注册
x
层次聚类算法(Hierarchical Clustering Algorithm)是一种常用的无监视学习算法,用于将数据集分别成多个不同层次的簇。与K均值聚类不同,层次聚类不需要预先指定聚类数量,而是通过计算样本之间的相似度或距离来构建一个层次结构。
聚集层次算法有两种方式:
- 自下而上的合并(Agglomerate),其紧张步骤如下:
- 将每个数据点视为单个聚集。因此,开始时我们将拥有 n 个聚集。开始时,数据点的数量也将为 n。
- 计算 n 个集群之间的距离,计算距离的方法通常有以下几种:
- 对于两个集群,取集群之间距离最近的两个样本点作为集群的距离。
- 对于两个集群,取集群之间距离最远的两个样本点作为集群的距离。
- 对于两个集群,分别计算两个集群内样本点的匀称距离,然后计算这两个匀称距离之间的距离。
- 找出距离最近的两个集群,举行合并。
- 通过以上三步,可以将样本点聚集想要的 K 个集群。
下面是一个该算法的 Python 实现:
- import matplotlib.pyplot as plt
- import numpy as np
- # 设置了随机数种子,让随机数生成变得可重复,即在设置过后,每次运行代码得到的随机数都是一样的。
- np.random.seed(0)
- cluster1 = np.random.randn(30, 2) + np.array([0, 7])
- cluster2 = np.random.randn(30, 2) + np.array([8, 0])
- cluster3 = np.random.randn(30, 2) + np.array([8, 8])
- # 用于沿着垂直方向(行方向)堆叠数组,得到一个总的数据集
- data = np.vstack([cluster1, cluster2, cluster3])
- # 1. 初始化每个数据点为一个独立的簇
- def initialize_clusters(data):
- return [[point] for point in data]
- # 2. 计算簇中心之间的距离
- def compute_distances(clusters):
- distances = np.zeros((len(clusters), len(clusters)))
- for i in range(len(clusters)):
- for j in range(len(clusters)):
- if i != j:
- # 使用欧式距离计算两个簇的距离
- distances[i][j] = np.sqrt(sum((np.mean(clusters[i],
- axis=0) - np.mean(
- clusters[j], axis=0)) ** 2))
- return distances
- # 找距离最近的两个簇
- def find_closest_clusters(distances):
- min_distance = np.inf
- # 用于保存最近两个簇对应的索引
- closest_clusters = None
- for i in range(len(distances)):
- for j in range(len(distances)):
- if i != j and distances[i][j] < min_distance:
- min_distance = distances[i][j]
- closest_clusters = i, j
- return closest_clusters
- # 3. 合并最近的两个簇为一个新的簇,并更新簇中心点
- def merge_clusters(clusters, closest_clusters):
- i, j = closest_clusters
- merged_cluster = clusters[i] + clusters[j] # 将最近的两个簇更新为一个簇
- new_clusters = [cluster for idx, cluster in enumerate(clusters) if
- idx not in (i, j)]
- # 这里将没有合并的簇放进新的簇列表里面
- new_clusters.append(merged_cluster)
- return new_clusters
- def hierarchical_clustering(data, k):
- # 初始化每个数据点为一个独立的簇
- clusters = initialize_clusters(data)
- # 开始迭代合并最相似的簇
- while len(clusters) > k:
- # 计算簇中心之间的距离,并找到最近的两个簇
- distances = compute_distances(clusters)
- closest_clusters = find_closest_clusters(distances)
- # 合并最近的两个簇为一个新的簇,并更新簇中心点
- clusters = merge_clusters(clusters, closest_clusters)
- return clusters
- # 执行层次聚类算法
- k = 4
- clusters = hierarchical_clustering(data, k)
- # 打印聚类结果
- for idx, cluster in enumerate(clusters):
- print(f"Cluster {idx + 1}: ", cluster)
- # 绘制聚类结果的图表
- plt.figure(figsize=(8, 6))
- colors = ["red", "green", "blue", "yellow"]
- for i in range(k):
- for p in clusters[i]:
- plt.scatter(x=p[0], y=p[1], color=colors[i])
- plt.xlabel("X")
- plt.ylabel("Y")
- plt.title("Hierarchical Clustering")
- plt.show()
复制代码
- 自上而下的分解(Divisive)。
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。 |