几种聚类算法在IRIS数据集上的应用（python）

这个其实是之前的一次课程作业，要求是对鸢尾花数据集IRIS做聚类分析，课上讲了几种算法：系统，分解，c均值及其改进，ISODATA，这里分享一下自己的思路与代码。不过感觉提到聚类首先想到的是k均值、meanshift这些算法，可能课堂上讲的都是些最经典最基础的吧。原理方面不会讲太多，文中会给出核心代码。完整代码及数据集获取方式见文末。

IRIS数据集

引自百度百科。
Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。IRIS也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

IRIS以鸢尾花的特征作为数据来源，常用在分类操作中。该数据集由3种不同类型的鸢尾花的各50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。

IRIS数据读取及简单处理：

# 读数据，构建列表[[],[],[]]
def loadIRISdata(filename):
    data=[]
    with open(filename,'r') as f:
        reader=csv.reader(f)
        result=list(reader)
        for i in range(1,151):
            data.append(list(map(float,result[i][1:5])))
    return data

但是要说一下哦，这个数据集还是太小了，150个样本勉强在统计学习方法中用一用，复杂算法的优势在更大的数据集上才能体现出优势。

分解聚类

核心思想： 这个比较简单，就是说先把所有的样本归为一类，然后根据相似性逐渐分解为多类。通过目标函数评价当前分类的质量。

核心代码：

# 分解聚类
def decomposition_clustering(data, assignments):
    Er_max = float('-inf')  # 每次最大的目标函数值
    while True:
        # 第一次，先分成两大类
        place = 0
        tag = 0
        # 每次循环 计算把 xi 归入 1 类时的 E
        for i in range(150):
            if assignments[i] == 0:  # xi 属于 0 类
                assignments[i] = 1   # 把 xi 先归到 1 类
                average_1 = avg(data, 0, assignments)
                if length(1, assignments) == 0: # 如果 1 类还是空的
                    average_2 = np.array([0, 0, 0, 0])
                else:
                    average_2 = avg(data, 1, assignments) # 计算完当前两类的均值，接下来算目标函数值
                Er = E(150, length(0, assignments), length(1, assignments), average_1, average_2)
                if Er > Er_max: # 记录当前最大的E和对应位置
                    place = i
                    Er_max = Er
                    tag