25、python分层聚类案例（sklearn方法）

1 sklearn层次聚类

01 ward

       最小化所有聚类内的平方差总和，这是一种方差最小化的优化方向，这是与k-means的目标韩式相似的优化方法，但是用聚类分层的方法处理。

02    Maximum 或者complete linkage 最小化聚类对样本之间的最大距离

03    Average linkage 最小化聚类两个聚类中样本之间的最大距离
 

2 案例

import pandas as pd


data=pd.read_csv('D:\\DATA\\pycase\\7.1\\data.csv',
                 index_col='客户编号')

# 提取关键特征 data.columns

fColumns=[ '工作日上班时电话时长', '工作日下半时电话时长', '周末电话时长', '国际电话时长']

# 数据标准化0-1标准化

data=data[fColumns]

data[fColumns]=round(
        (data[fColumns]-data[fColumns].min())/(data[fColumns].max()-data[fColumns].min()),
        3)

# 导入层次聚类函数
from scipy.cluster.hierarchy import linkage,dendrogram

Z=linkage(data[fColumns],method='ward',metric='euclidean') #p谱系聚类图

P=dendrogram(Z,0) # 画谱系聚类图

''' 只展示12个数据
P1=dendrogram(Z,
        truncate_mode