聚类算法汇总（附代码）

聚类算法汇总（附代码）

本次整理了聚类工程里面常见算法，以及给出合适的工程结构方便调用，编写常用的聚类指标当作聚类结果函数，并Github链接在文末，供大家交流学习。

---

前言

“物以类聚，人以群分”
下面介绍几种聚类算法

一、KMeans算法

主要实现了肘部法确定聚类簇数，以及调用python的库函数进行聚类，可以参考我前面的博文

这篇更新一个带有权重的Kmeans算法，我们有时候需要给特征规定不同的权重，这个可以根据特征重要性来判断，具体更新在欧氏距离的计算上：

def euclidean_distance(one_sample, X):
    '''

    :param one_sample: 一个样本点输入
    :param X: 所有的聚类中心
    :return: 样本点距离每一个聚类中心的距离
    '''

    one_sample = one_sample.reshape(1, -1)
    X = X.reshape(X.shape[0], -1)
    distances = []
    w = [1, 0.2, 0.2]
    n = X.shape[0]  # n 表示样本的个数
    for i in range(n):
        subs = one_sample - X[i]
        dimension2 = np.power(subs, 2)
        w_dimension2