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