[python] 层次聚类 Agglomerative Clustering

最新推荐文章于 2024-08-18 11:24:59 发布
最新推荐文章于 2024-08-18 11:24:59 发布
阅读量1.4w 收藏 61
点赞数 15
分类专栏： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/staHuri/article/details/89093156
版权
本文介绍了Python中的层次聚类方法，包括主要的linkage参数如ward、average、complete和single。通过一个简单的案例展示了层次聚类的过程，并对一组年收入和支出数据进行了可视化分类，分析了年支出-年收入的散点图和层次聚类结果。
摘要由CSDN通过智能技术生成

层次聚类

下图中动物 就是一种层次分类
在这里插入图片描述

主要函数

cls = AgglomerativeClustering(n_clusters=group_size,linkage='ward')

linkage 参数说明:

  1. ward (默认值)：每一个类簇的方差最小化
  2. average：每一个类簇之间的距离的平均值最小
  3. complete：每一个类簇之间的距离最大
  4. single：每一个类簇之间的距离最小

                

                
                
        

        

    

  


        

            

                

                

                了解本专栏
                
                
                  
                订阅专栏 解锁全文
                 
                
                    
                    超级会员免费看
                
            

            
            
            
        

    

      

        

            

              
                
                  staHuri
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          

                

                        订阅专栏
                









                



	

		

			

				
					
Python机器学习——Agglomerative层次聚类

				
			

			

				

					一叶_障目
				

				

					09-15
					
					3万+
					
				

			

		

		

			
				
层次聚类（hierarchical clustering）可在不同层次上对数据集进行划分，形成树状的聚类结构。AggregativeClustering是一种常用的层次聚类算法。 
  其原理是：最初将每个对象看成一个簇，然后将这些簇根据某种规则被一步步合并，就这样不断合并直到达到预设的簇类个数。这里的关键在于：如何计算聚类簇之间的距离？ 
  由于每个簇就是一个集合，因此需要给出集合之间的距离。给

			
		

	



                

              
                



	

		

			

				
					
Agglomerative Clustering

				
			

			

				

					harrisonzh的博客
				

				

					08-13
					
					1593
					
				

			

		

		

			
				
import pandas as pd
import numpy as np
import random
from sklearn.cluster import AgglomerativeClustering
import scipy.cluster.hierarchy as shc
import matplotlib.pyplot as plt

# generate data
pages = ...

			
		

	



                


  
              

                


	

		

			

				
					
Python之层次聚类/系统聚类（Hierarchical Clustering）、变量聚类

					
最新发布

				
			

			

				

					whY的笔记
				

				

					08-18
					
					1239
					
				

			

		

		

			
				
本文介绍了层次聚类/系统聚类、变量聚类的基本原理，以及对应的python代码

			
		

	





	

		

			

				
					
Sklearn聚类算法之Agglomerative Clustering

					
热门推荐

				
			

			

				

					代码小菜鸟的博客
				

				

					12-12
					
					2万+
					
				

			

		

		

			
				
Agglomerative Cluster 是一个从下而上的算法。（另一种是divisive,自顶而下）



从图里面可以看出来就是根据某种规则去聚类。

流程如下：

1.将每一个元素单独定为一类
2.重复：每一轮都合并指定距离(对指定距离的理解很重要)最小的类
3.直到所有的元素都归为同一类

依据对相似度（距离）的不同定义，将Agglomerative Clustering的聚类方法分为三...

			
		

	



		

			
		



	

		

			

				
					
【机器学习】层次聚类-Agglomerative clustering

				
			

			

				

					羊肉蛋花汤的博客
				

				

					03-25
					
					6943
					
				

			

		

		

			
				
【机器学习】层次聚类-Agglomerative clustering
Agglomerative clustering从NNN个簇开始，每个簇最初只包含一个对象，然后在每个步骤中合并两个最相似的簇，直到形成一个包含所有数据的簇。
合并过程可以用二叉树（binary tree） 表示，称为树状图（dendrogram）。初始簇位于叶节点(图的底部)，每当两个簇合并时，我们就将它们联接到树中。分支的...

			
		

	





	

		

			

				
					
Agglomerative_Clustering

				
			

			

				

					03-06
				

			

		

		

			
				
Agglomerative_Clustering

			
		

	





	

		

			

				
					
层次聚类sklearn.cluster包AgglomerativeClustering

				
			

			

				

					as394349658的博客
				

				

					08-16
					
					1万+
					
				

			

		

		

			
				
**


Ward策略：让所有类簇中的方差最小化。


Maximum策略：也叫completed linkage（全连接策略），力求将类簇之间的距离最大值最小化。


Average linkage策略：力求将簇之间的距离的平均值最小化


single单次使用所有观测之间的最小距离两组中的一组。


AgglomerativeClustering中linkage参数为 [‘ward’, ‘co...

			
		

	





	

		

			

				
					
python 凝聚层次聚类分析,【Python-ML】SKlearn库层次聚类凝聚AgglomerativeClustering模型...

				
			

			

				

					weixin_35956312的博客
				

				

					03-25
					
					1049
					
				

			

		

		

			
				
# -*- coding: utf-8 -*-'''Created on 2018年1月25日@author: Jason.F@summary: 无监督聚类学习-层次聚类(hierarchical clustering)，自下向上的凝聚和自顶向下的分裂两种方法。'''import pandas as pdimport numpy as npimport matplotlib.pyplot as p...

			
		

	





	

		

			

				
					
Python实现简单层次聚类算法以及可视化

				
			

			

				

					09-19
				

			

		

		

			
				
标题中的"Python实现简单层次聚类算法以及可视化"是指使用Python编程语言来实施层次聚类（Hierarchical Clustering）算法，并通过图形化展示聚类结果的过程。层次聚类是一种无监督学习方法，常用于数据挖掘领域，...

			
		

	





	

		

			

				
					
Python聚类算法之凝聚层次聚类实例分析

				
			

			

				

					09-21
				

			

		

		

			
				
凝聚层次聚类（Agglomerative Clustering）是一种典型的层次聚类方法，它通过逐步合并相似度高的对象来构建聚类树（Dendrogram）。在Python中，我们可以利用各种库，如`sklearn`，来进行凝聚层次聚类。在这个实例中...

			
		

	





	

		

			

				
					
层次聚类(AGNES)算法(Python)

				
			

			

				

					05-31
				

			

		

		

			
				
层次聚类(AGNES)算法(Python) 是聚类算法的一种，通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树。在聚类树中，不同类别的原始数据点是树的最低层，树的顶层是一个聚类的根节点。AGNES是常用的一种层次聚类算法
使用场景：用于簇的数量较多,有连接约束等情况

			
		

	





	

		

			

				
					
聚类分析|基于层次的聚类方法及其Python实现

				
			

			

				

					皖山文武
				

				

					03-26
					
					2419
					
				

			

		

		

			
				
层次聚类（Hierarchical Clustering）类似于一个树状结构，对数据集采用某种方法逐层地进行分解或者汇聚，直到分出的最后一层的所有类别数据满足要求为止。  
当数据集不知道应该分为多少类时，使用层次聚类比较适合。 
无论是凝聚方法还是分裂方法，一个核心问题是度量两个簇之间的距离，其中每个簇是一个数据样本集合。  

			
		

	





	

		

			

				
					
python 凝聚层次聚类_关于层次聚类算法的python实现

				
			

			

				

					weixin_35406877的博客
				

				

					03-01
					
					2348
					
				

			

		

		

			
				
from scipy.cluster import hierarchy0.层次聚类的概念层次聚类和k-means一样都是很常用的聚类方法。层次聚类是对群体的划分，最终将样本划分为树状的结构。他的基本思路是每个样本先自成一类，然后按照某种规则进行合并，直到只有一类或者某一类的样本只有一个点。层次聚类又分为自底而上的聚合层次聚类和自顶而下的分裂层次聚类。0.1 聚合层次聚类每一个点初始为1类，得到N(...

			
		

	





	

		

			

				
					
【理解机器学习算法】之Clustering算法(Agglomerative Clustering)

				
			

			

				

					Hyman Qiu
				

				

					03-22
					
					1983
					
				

			

		

		

			
				
是一种层次聚类算法，通过逐步合并或“聚集”它们来构建嵌套聚类。这种方法采用自底向上的方式构建聚类层次：它从将每个数据点作为单个聚类开始，然后迭代合并最接近的聚类对，直到所有数据点合并为一个聚类，或直到达到指定的聚类数量。优点：- 聚合聚类在距离和连接准则的选择上具有多样性，使其适用于各种数据集。- 它产生了一个层次结构，这对于不同规模的聚类数据结构是有信息量的。-缺点：- 对于大数据集来说，它可能计算成本高，因为它需要在每次迭代中计算和更新所有聚类对之间的距离。

			
		

	





	

		

			

				
					
基于python的层次聚类

				
			

			

				

					m0_65963495的博客
				

				

					07-16
					
					780
					
				

			

		

		

			
				
算法将重复执行计算距离和合并簇的步骤，直到所有数据点都被合并成一个簇，或者达到预设的聚类数目。​ 是两个簇，x 和 z 分别是这两个簇中的样本点，dist(x,z) 是样本点 x 和 z 之间的距离（通常使用欧氏距离）。合并后的新簇将包含原来两个簇的所有样本点，并作为一个新的簇参与后续的计算。在簇内部，算法会计算任意两个样本点之间的距离，并找到距离最远的两个样本点。接下来，算法会计算原簇中剩余样本点到这两个新聚类中心的距离，并将每个样本点归入离其最近的一个聚类中心所对应的子簇中。将所有数据点归为一个簇。

			
		

	





	

		

			

				
					
吴裕雄 python 机器学习——层次聚类AgglomerativeClustering模型

				
			

			

				

					weixin_30905981的博客
				

				

					05-01
					
					1304
					
				

			

		

		

			
				
import numpy as np
import matplotlib.pyplot as plt

from sklearn import  cluster
from sklearn.metrics import adjusted_rand_score
from sklearn.datasets.samples_generator import make_blobs
...

			
		

	





	

		

			

				
					
python 层次聚类

				
			

			

				

					Caiqiudan的博客
				

				

					05-07
					
					403
					
				

			

		

		

			
				
import plotly
from scipy.cluster.hierarchy import dendrogram, linkage, cut_tree
z = linkage(data, method='single', metric='correlation') # method：变量聚类法  # metric：度量相关性的方法
# plt.figure(figsize=(20,5), dpi=300) 
dendrogram(z, labels=data.index)  # 聚类树状图
# # 

			
		

	





	

		

			

				
					
python层次聚类

				
			

			

				

					baidu_15113429的博客
				

				

					06-15
					
					1593
					
				

			

		

		

			
				
在dataframe数据结构下编写python代码



import ConnectOracle
import kmeans
import pandas as pd
import numpy as np
# 疾病的出院诊断代码
cyzddm = 'G45.901'
# 生成数据,ghdj里面的数据结构为{ghdjidA:[1,2,3,5,7],ghdjidB:[2,3,6,7,8]
ghdj =...

			
		

	





	

		

			

				
					

				
			

			

				

					
				

			

		

		

			
				

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 1

	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值