在进行模糊聚类的时候,我们常常需要计算相似关系系数矩阵,即相似矩阵。
常用的方法有数量积法,相关系数法,最大最小法 ,算术平均最小法,几何平均最小法,绝对值减数法,绝对值指数法,专家打分法等。
这里实现了一下绝对值减数法,首先给出其计算原理。
直接给出python实现代码:
import numpy as np
R_ori = np.ones((Mat.shape[0],Mat.shape[0]))
def abs_sub(Matrix,row,col):
c = 0.1 #一般默认为0.1,可根据实际情况选取
temp = 0
for i in range(row):
for j in range(row):
for k in range(col):
temp = temp + np.abs(Martix[i,k]-Martix[j,k])
R_ori[i][j] = 1 - c*temp
temp = 0
return R_ori
R = abs_sub(Mat,Mat.shape[0],Mat.shape[1])
print('相似矩阵为:\n',R,R.shape)
其他方法可以自己编程实现,也可以直接调用。
#2.相关系数法得到相似关系
import numpy as np
R = np.corrcoef(np.mat(df))
#3.余弦相似度法得到相似关系
from sklearn.metrics.pairwise import cosine_similarity
R = cosine_similarity(np.mat(df))
参考资料:
1.模糊数学原理及应用(第五版)_杨伦标
2.ID:半个冯博士 整理的模糊聚类的介绍,对模糊聚类总结的比较好:https://blog.csdn.net/cauchy7203/article/details/107453329