以商圈为例，进行层次聚类，k-means聚类，T-SNE，PCA降维

最新推荐文章于 2022-11-25 16:00:44 发布

qq_42839893

最新推荐文章于 2022-11-25 16:00:44 发布

阅读量899

点赞数

文章标签：聚类聚类算法无监督学习

本文链接：https://blog.csdn.net/qq_42839893/article/details/113516537

版权

该博客以商圈数据为例，深入探讨了层次聚类和k-means聚类方法，并通过TSNE和PCA进行降维处理。作者首先归一化数据，然后进行层次聚类和k-means聚类，发现k-means在3个聚类时表现出较好的效果。接着，使用TSNE和PCA进行降维，分析了PCA的解释比例，并通过图像展示聚类结果。

摘要由CSDN通过智能技术生成

以商圈为例，进行层次聚类，k-means聚类，T-SNE，PCA降维

data的地址：链接: https://pan.baidu.com/s/1A95Dg1O3ovnkpST1c1EFLw 密码: i3cc

层次聚类，k-means聚类，T-SNE，PCA降维

1.读取数据
1.1归一化
2.层次聚类
3.k-means聚类
4.TSNE降维
5.PCA降维
5.1解释的比例
5.2绘制图像呈现

1.读取数据

import pandas as pd
df = pd.read_excel("business_circle.xls")

在这里插入图片描述

1.1归一化

for i in range(1,5):
    df[i] = (df.iloc[:,i] - df.iloc[:,i].mean())/(df.iloc[:,i].std())

在这里插入图片描述

2.层次聚类

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import scipy.cluster.hierarchy as sch #用于进行层次聚类，画层次聚类图的工具包
import scipy.spatial.distance as ssd
from scipy.cluster.vq import vq,kmeans,whiten