层次聚类算法实例分析
层次聚类算法
层次聚类算法又称为树聚类算法，它根据数据之间的距离，通过一种层次架构方式，反复将数据进行聚合，创建一个层次以分解给定的数据集。
在sklearn模块中，使用AgglomerativeClustering 函数进行层次聚类。常用参数如下：
sklearn.cluster.AgglomerativeClustering(n_clusters = 2)
| 参数 | 说明 |
|---|---|
| n_clusters | 分组个数，默认分为两组 |
基于运营商基站信息挖掘商圈案例
部分数据如下：
现在需要对这份数据进行聚类，将这些基站划分为不同的商圈。
首先，导入数据：
import pandas as pd
data = pd.read_csv('D:\example_csv\层次聚类.csv')
使用散点图把数据表示出来：
数据标准化（Z-Score）
import matplotlib.pyplot as plt
from pandas.plotting import scatter_matrix
from sklearn.preprocessing import scale
fColumns = [
'工作日上班时间人均停留时间','凌晨人均停留时间',
'周末人均停留时间','日均人流量'
]
#由于人流量和时间属于不同的计量单位，因此需要对这份数据进行标准化
scaleData = pd.DataFrame(
scale(data[fColumns]),columns = fColumns)
#绘制散点矩阵图
from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
#防止中文和负号乱码
axes = scatter_matrix(
scaleData,diagonal = 'hist')
执行代码，得到散点矩阵图：
从散点矩阵图可以看出，4个特征之间基本不存在线性关系，因此不用去掉共线性特征。
然后，使用降维，把四个特征压缩为2个特征，并使用散点图把数据展现出来。
降维（主成分分析）
from sklearn.decomposition import PCA
pca_2 = PCA(n_components = 2)
data_pca_2 = pd.DataFrame(
pca_2.fit_transform(scaleData))
plt.scatter(
data_pca_2[0],
data_pca_2[1])
执行代码：
从数据的二维散点图可以很明显地看出，数据应该聚类为3类，因此AgglomerativeClustering函数的n_clusters参数应该设置为3。
from sklearn.cluster import AgglomerativeClustering
#进行层次聚类，并预测样本的分组
agglomerativeClustering = AgglomerativeClustering(n_clusters = 3)
pTarget = agglomerativeClustering.fit_predict(scaleData)
plt.figure()
plt.scatter(
data_pca_2[0],
data_pca_2[1],c = pTarget)
执行代码，聚类效果如图：
可以看到，这个层次聚类的效果非常不错。
如果我们需要画出层次聚类的树结构图形，则可以使用scipy模块中的dendrogram函数绘图：
import scipy.cluster.hierarchy as hulcuster
#构建层次聚类树
linkage = hulcuster.linkage(
scaleData,method = 'centroid')
#绘制层次聚类图形
plt.figure()
hulcuster.dendrogram(
linkage,leaf_font_size = 10)
#计算层次聚类结果
_pTraget = hulcuster.fcluster(
linkage,3,criterion = 'maxclust')
执行代码，得到以下所示的聚类树图形：
最后使用平行坐标图来解读聚类后每个分组的主要特征：
import seaborn as sns
from pandas.plotting import parallel_coordinates
fColumns = [
'工作日上班时间人均停留时间','凌晨人均停留时间',
'周末人均停留时间','日均人流量','类型'
]
data['类型'] = pTarget
plt.figure()
ax = parallel_coordinates(
data[fColumns],'类型',color = sns.color_palette(),)
执行代码，得到如下所示的平行坐标图：
从平行坐标图可以看出，在每个特征上，聚类的分组都有很明确的界限，我们可以很容易识别不同的分组，因此，每个特征都可以用来解读聚类结果。