python 网格聚类_网格聚类算法的Python实现,python,CLIQUE,pyclustering,包,使用

文章目录

python 实现网格聚类算法

聚类算法很多，包括基于划分的聚类算法(如：kmeans)，基于层次的聚类算法(如：BIRCH)，基于密度的聚类算法(如：DBScan)，基于网格的聚类算法等等。基于划分和层次聚类方法都无法发现 非凸面形状 的簇，真正能有效发现任意形状簇的算法是基于密度的算法，但基于密度的算法一般时间复杂度较高，1996年到2000年间，研究数据挖掘的学者们提出了大量基于网格的聚类算法，网格方法可以有效减少算法的计算复杂度，且同样对 密度参数 敏感。

一、基于网格聚类原理

基本思想：

基于网络的方法：这类方法的原理就是将数据空间划分为网格单元，将数据对象集映射到网格单元中，并计算每个单元的密度。根据预设的 密度阈值 判断每个网格单元是否为 高密度单元 ，由邻近的稠密单元组形成 “类”(簇)。

算法过程：

算法的核心步骤： 划分网格

使用网格单元内数据的统计信息对数据进行压缩表达

基于这些统计信息判断高密度网格单元

最后将相连的高密度网格单元识别为簇

主要算法： STING：基于网格多分辨率，将空间划分为方形单元，对应不同分辨率

CLIQUE：结合网格和密度聚类的思想，子空间聚类处理大规模高维度数据

WaveCluster：用小波分析使簇的边界变得更加清晰

二、算法实现

本人主要来进行 API 调用攻城狮的简单说明：

1. CLIQUE 算法

因为 CLIQUE 算法涉及对聚类的数据进行划分