python 气泡图 聚类_【Matlab】层次聚类并绘制气泡图

%% 层次聚类

xx=[0.7480 0.3852 1.6347;

0.0232 0.4712 1.5317;

0.5345 1.2082 1.6758;

1.4728 0.0822 0.5044;

0.4606 0.1168 1.4891;

0.0223 0.1725 1.6759;

0.6168 0.3941 1.3694;

1.1760 0.1637 1.2768;

0.4419 1.8362 0.2417;

0.1609 0.5908 1.5335;

0.4020 0.1438 1.6599;

0.4368 1.2724 1.1251;

1.6135 0.4609 0.3089;

0.2746 1.6599 1.3660;

1.6219 0.8850 0.5334;

0.5491 1.5883 0.9841;

0.1430 0.6150 1.5901;

0.4776 0.7175 1.2943;

0.5521 1.1103 0.2756;

0.6750 0.0043 1.7092;

0.6232 0.9450 1.3509;

2.0627 0.3890 0.0770;

0.2205 1.3761 0.0625;

0.2722 1.2966 0.8168;

0.0440 1.1775 1.0629;

0.3717 0.5048 1.5623;

0.2261 1.3210 1.7070;

0.0453 0.0784 1.7615;

1.2114 1.3764 0.1493;

0.7879 1.2022 0.8279;

1.0047 0.1420 1.6948;

1.5137 0.0916 1.2293;

0.5003 1.8880 0.8512;

1.1719 1.4563 0.8741;

1.4614 0.2990 0.4769;

1.2483 0.4043 0.7533;

0.5217 0.2078 1.7699;

0.1006 1.1681 0.9148;

0.3469 0.5783 1.5790;

0.2860 0.2097 1.9930;

0.8422 0.6160 1.6268;

1.7767 1.3523 0.0971;

0.6358 0.6706 1.5740;

0.6760 0.3168 1.5125;

0.0113 0.1121 1.8074;

0.2494 0.2482 1.7111];

%获取数据的个数存至number

[number, ~]=size(xx);

%获取距离矩阵，第二参数指定距离计算方法

%可选参数有'euclidean'：欧氏距离(默认)；'seuclidean'：标准化欧氏距离；

%'mahalanobis'：马氏距离；'cityblock'：布洛克距离；'minkowski'：明可夫斯基距离；

%'cosine'：余弦距离 'correlation'：相关性 'hamming'：汉明距离 'jaccard'：Jaccard相似度

%'chebychev'：Chebychev距离。

yy=pdist(xx,'euclidean');

%获取聚类，第二参数指定层次聚类方式

%'single'：单连通，最短距离法(默认)；'complete'：全连通，最长距离法；'average'：未加权平均距离法；

%'weighted'： 加权平均法；'centroid'： 质心距离法；'median'：加权质心距离法；'ward'：内平方距离法(最小方差算法)

zz=linkage(yy,'single');

%指定获取簇类个数

Ncluster=3;

%聚类

c = cluster( zz,'maxclust', Ncluster );

%绘图

sz = linspace(100,1000,number);

face_color = [0.5 0.5 0.5;0.2 0.6 0.8;0.4 0.7 0.1];

edge_color = [0.3 0.2 0.8;0.9 0.6 0.1;0.4 0.5 0.1];

for i=1:Ncluster

for j=1:number

if c(j)==i

scatter3(xx(j,1)',xx(j,2)',xx(j,3)',sz(j),'MarkerFaceColor',face_color(i,:),'MarkerEdgeColor',edge_color(i,:));

hold on;

end

end

end