1. 减法聚类如何用python实现
下面是一个k-means聚类算法在python2.7.5上面的具体实现，你需要先安装Numpy和Matplotlib：
from numpy import *
import time
import matplotlib.pyplot as plt
# calculate Euclidean distance
def euclDistance(vector1, vector2):
return sqrt(sum(power(vector2 - vector1, 2)))
# init centroids with random samples
def initCentroids(dataSet, k):
numSamples, dim = dataSet.shape
centroids = zeros((k, dim))
for i in range(k):
index = int(random.uniform(0, numSamples))
centroids[i, :] = dataSet[index, :]
return centroids
# k-means cluster
def kmeans(dataSet, k):
numSamples = dataSet.shape[0]
# first column stores which cluster this sample belongs to,
# second column stores the error between this sample and its centroid
clusterAssment = mat(zeros((numSamples, 2)))
clusterChanged = True
## step 1: init centroids
centroids = initCentroids(dataSet, k)
while clusterChanged:
clusterChanged = False
## for each sample
for i in xrange(numSamples):
minDist = 100000.0
minIndex = 0
## for each centroid
## step 2: find the centroid who is closest
for j in range(k):
distance = euclDistance(centroids[j, :], dataSet[i, :])
if distance < minDist:
minDist = distance
minIndex = j
## step 3: update its cluster
if clusterAssment[i, 0] != minIndex:
clusterChanged = True
clusterAssment[i, :] = minIndex, minDist**2
## step 4: update centroids
for j in range(k):
pointsInCluster = dataSet[nonzero(clusterAssment[:, 0].A == j)[0]]
centroids[j, :] = mean(pointsInCluster, axis = 0)
print 'Congratulations, cluster complete!'
return centroids, clusterAssment
# show your cluster only available with 2-D data
def showCluster(dataSet, k, centroids, clusterAssment):
numSamples, dim = dataSet.shape
if dim != 2:
print "Sorry! I can not draw because the dimension of your data is not 2!"
return 1
mark = ['or', 'ob', 'og', 'ok', '^r', '+r', 'sr', 'dr', '<r', 'pr']
if k > len(mark):
print "Sorry! Your k is too large! please contact Zouxy"
return 1
# draw all samples
for i in xrange(numSamples):
markIndex = int(clusterAssment[i, 0])
plt.plot(dataSet[i, 0], dataSet[i, 1], mark[markIndex])
mark = ['Dr', 'Db', 'Dg', 'Dk', '^b', '+b', 'sb', 'db', '<b', 'pb']
# draw the centroids
for i in range(k):
plt.plot(centroids[i, 0], centroids[i, 1], mark[i], markersize = 12)
plt.show()
2. 深度盘点：一文详解10种聚类算法（附完整Python操作示例）
本文深入探讨了多种聚类算法，并提供了 Python 中的实现示例。聚类或聚类分析是一种无监督学习方法，用于揭示数据中的自然分组，适用于数据分析，如客户细分。没有单一最佳算法，选择取决于数据特性。
文章首先介绍了聚类的概念，解释了其在数据分析中的应用，以及如何在 Python 中安装和使用顶级聚类算法。接下来，详细介绍了10种流行的聚类算法，并提供了每种算法的使用示例。
以下是这10种聚类算法的简介：
亲和力传播：通过在数据点之间传递消息，找到一组最能概括数据的范例。
聚合聚类：通过合并数据点，直到达到所需的群集数量。
BIRCH：一种构建树状结构以提取聚类质心的算法。
DBSCAN：基于密度的空间聚类算法，用于识别高密度区域。
K均值：最常见的聚类算法，通过分配示例以最小化每个群集内的方差。
Mini-Batch K均值：K均值的修改版本，使用小批量样本进行群集质心更新。
均值漂移聚类：根据特征空间中的实例密度寻找和调整质心。
OPTICS：DBSCAN的修改版本，用于创建表示密度聚类结构的排序。
光谱聚类：使用线性代数方法的通用聚类方法。
高斯混合模型：总结多变量概率密度函数，通过混合高斯分布实现。
文章还提供了每种算法在 Python 中的实现示例，并展示了应用到合成数据集的结果。每种算法的结果表明了它们在不同情况下的适应性。最后，文章总结了如何在 Python 中利用这些算法进行聚类分析。
总结来说，本文提供了一个全面的指南，帮助读者了解和应用多种聚类算法，为数据分析和机器学习项目提供强大的工具。通过实践示例，读者可以更好地掌握这些算法的使用方法，并根据具体需求选择最适合的算法。