谱聚类python代码_Python 谱聚类算法从零开始

谱聚类算法是一种常用的无监督机器学习算法，其性能优于其他聚类方法。 此外，谱聚类实现起来非常简单，并且可以通过标准线性代数方法有效地求解。 在谱聚类算法中，根据数据点之间的相似性而不是k-均值中的绝对位置来确定数据点属于哪个类别下。具体区别可通过下图直观看出：

谱聚类算法实现

谱聚类算法的基本思想是先根据样本点计算相似度矩阵，然后计算度矩阵和拉普拉斯矩阵，接着计算拉普拉斯矩阵前k个特征值对应的特征向量，最后将这k个特征值对应的特征向量组成

的矩阵U，U的每一行成为一个新生成的样本点，对这些新生成的样本点进行k-means聚类，聚成k类，最后输出聚类的结果。即该算法可分为4个基本步骤：构造相似性图

确定邻接矩阵W，度矩阵D和拉普拉斯矩阵L

计算矩阵L的特征向量

训练k均值模型并使用它来对数据进行分类

Python实现

下面就开始通过代码实现谱聚类算法。首先加载必要的库：

import numpy as npfloat_formatter = lambda x: '%.3f' % xnp.set_printoptions(formatter={'float_kind':float_formatter})from sklearn.datasets.samples_generator import make_circlesfrom sklearn.cluster import SpectralClustering, KMeansfrom sklearn.metrics import pairwise_distan