聚类算法包括哪些,聚类算法是干嘛的
说明
1.聚类常用于数据探索或挖掘的前期，在没有先验经验的情况下进行探索性分析。
它也适用于大样本数据的预处理。
2.常用的聚类算法分为基于划分、层次、密度、网格、统计、模型等算法。典型的算法有k-means(经典聚类算法)、DBSCAN、两步聚类等。
聚类分析可以解决的问题包括：数据集可以分成几个类别，每个类别有多少个样本，不同类别中每个变量的强弱关系，不同类别的典型特征是什么。
聚类算法之K均值实例
importnumpyasnp
importmatplotlib.pyplotasplt
#两点之间的距离
定义距离(e1，e2):
returnnp . sqrt((E1[0]-E2[0])* * 2(E1[1]-E2[1])* * 2)
#聚集中心
定义方式(arr):
returnnp . array([NP . mean([e[0]foreinarr])，np.mean([e[1]foreinarr])])
#arr中距离A最远的元素，用于初始化聚类中心
def further(k _ arr，arr):
f=[0，0]
max_d=0
foreinarr:
d=0
foriinrange(k_arr。__len__()):
d=d np.sqrt(距离(k_arr[i]，e))
ifdmax_d:
最大值d=d
f=e
returnf
#arr中最接近A的元素，用于聚类
defclosest(a，arr):
c=arr[1]
min _ d=距离(a，arr[1])
arr=arr[1:]
foreinarr:
d=距离(a，e)
ifdmin_d:
不间断空格
;min_d=d
c=e
returnc
if__name__=="__main__":
##生成二维随机坐标，手上有数据集的朋友注意，理解arr改起来就很容易了
##arr是一个数组，每个元素都是一个二元组，代表着一个坐标
##arr形如：[(x1,y1),(x2,y2),(x3,y3)...]
arr=np.random.randint(100,size=(100,1,2))[:,0,:]
##初始化聚类中心和聚类容器
m=5
r=np.random.randint(arr.__len__()-1)
k_arr=np.array([arr[r]])
cla_arr=[[]]
foriinrange(m-1):
k=farthest(k_arr,arr)
k_arr=np.concatenate([k_arr,np.array([k])])
cla_arr.append([])
##迭代聚类
n=20
cla_temp=cla_arr
foriinrange(n):#迭代n次
foreinarr:#把集合里每一个元素聚到最近的类
ki=0#假定距离第一个中心最近
min_d=distance(e,k_arr[ki])
forjinrange(1,k_arr.__len__()):
ifdistance(e,k_arr[j])<min_d:#找到更近的聚类中心
min_d=distance(e,k_arr[j])
ki=j
cla_temp[ki].append(e)
#迭代更新聚类中心
forkinrange(k_arr.__len__()):
ifn-1==i:
break
k_arr[k]=means(cla_temp[k])
cla_temp[k]=[]
##可视化展示
col=['HotPink','Aqua','Chartreuse','yellow','LightSalmon']
foriinrange(m):
plt.scatter(k_arr[i][0],k_arr[i][1],linewidth=10,color=col[i])
plt.scatter([e[0]foreincla_temp[i]],[e[1]foreincla_temp[i]],color=col[i])
plt.show()
以上就是python聚类算法的介绍，希望对大家有所帮助。更多Python学习指路：python基础教程
本文教程操作环境：windows7系统、Python 3.9.1，DELL G3电脑。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。