大师兄的数据分析学习笔记(二十七）：聚类（三）

大师兄的数据分析学习笔记(二十六）：聚类（二）
大师兄的数据分析学习笔记(二十八）：聚类（四）

五、层次聚类法

• 层次聚类法就是对给定数据对象的集合进行层次分解，根据分层分解采用的分解策略。
• 也就是将距离最近的数据一层一层的连起来。
  
• 衡量距离的方法有以下几种：

1. 最短距离：以距离最近的两点衡量距离。
2. 最长距离：以距离最远的两点衡量距离。
3. 平均距离：以平均距离衡量距离。
4. Ward法：以平方残差和衡量距离。

• 算法优点：聚类灵活。
• 算法缺点：计算复杂，离群点影响大。

>>>import numpy as np
>>>import matplotlib.pyplot as plt
>>>from sklearn.datasets import make_circles,make_blobs,make_moons
>>>from sklearn.cluster import AgglomerativeClustering

>>>n_samples = 1000
>>>circles = make_circles(n_samples=n_samples,factor=0.5,noise=0.05)
>>>moons = make_moons(n_samples=n_samples,noise=0.05)
>>>blobs = make_blobs(n_samples=n_samples,random_state=8,center_box=(-1,1),cluster_std=0.1)
>>>random_data = np.random.rand(n_samples,2),None
>>>colours = "bgrcmyk"
>>>data = [circles,moons,blobs,random_data]
>>>models = [("None",None),("Agglomerative",AgglomerativeClustering(n_clusters=3,linkage="ward"))]

>>>fig = plt.figure()

>>>for inx,clt in enumerate(models):
>>>    clt_name,clt_entity = clt
>>>    for i,dataset in enumerate(data):
>>>        X,Y = dataset
>>>        if not clt_entity:
>>>            clt_res = [0 for item in range(len(X))]
>>>        else:
>>>            clt_entity.fit(X)
>>>            clt_res = clt_entity.labels_.astype(int)
>>>        fig.add_subplot(len(models),len(data),inx*len(data)+i+1)
>>>        plt.title(clt_name)
>>>        [plt.scatter(X[p,0],X[p,1],color=colours[clt_res[p]]) for p in range(len(X))]
>>>plt.show()