层次化聚类方法(hierarchical_cluster)代码实现

        基于聚合法对层次化聚类做了一个代码实现,使用最短距离作为类间距离,欧式距离作为距离计算方法,并将停止条件设为所有样本聚为一类。最终返回每一步的聚类结果。

class hierarchical_cluster:
    def __init__(self,train_data):
        #初始化数据点的距离矩阵
        self.d_array = np.zeros((len(train_data),len(train_data)))
        for i in range(len(train_data)):
            for j in range(len(train_data)):
                #采用欧氏距离计算距离,不开根号只取相对大小
                self.d_array[i][j] = np.sum((train_data[i]-train_data[j])**2)
        self.max_d = np.max(self.d_array)#存储矩阵的最大距离
        self.d_array = np.where(self.d_array==0,self.max_d+1,self.d_array)
        self.hierarchical_array = [] #初始化存储每次合并过程的列表
        #初始化将单个点化为单个类
        self.hierarchical_array.append(np.arange(len(train_data)))
        self.cluster_id = len(train_data)#当前聚类编号
    
    def run(self):
        #当全部数据聚为一类时停止
        while(np.any(self.hierarchical_array[-1]!=self.hierarchical_array[-1][0])):
            new_hierarchical_array = self.hierarchical_array[-1]
            
            #求得当前最小距离的两个数据点
            x1 = 0
            x2 = 0
            while(new_hierarchical_array[x1]==new_hierarchical_array[x2]):
                min_index = np.argmin(self.d_array)
                min_coords = np.unravel_index(min_index, self.d_array.shape)
                x1 = min_coords[0]
                x2 = min_coords[1]
                self.d_array[min_coords]+=self.max_d#此两点不再参与合并
                self.d_array[x2][x1]+=self.max_d
            
            #将两个数据点所在的类合并
            y1 = new_hierarchical_array[x1]
            y2 = new_hierarchical_array[x2]
            new_hierarchical_array = np.where(new_hierarchical_array == \
                                    y1,self.cluster_id,new_hierarchical_array)
            new_hierarchical_array = np.where(new_hierarchical_array == \
                                    y2,self.cluster_id,new_hierarchical_array)
            self.cluster_id+=1#更新类别id
            
            #将合并后的聚类结果加入过程
            self.hierarchical_array.append(new_hierarchical_array)
        return self.hierarchical_array

  • 6
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值