AP聚类算法代码实现

AP聚类算法，昨晚刚跑过，参考的是另一个博主的博文，但有些小地方写错了。这个已经可以直接运行了

import sklearn
import numpy as np
import matplotlib.pyplot as plt
from sklearn import *


#########设置实验数据################

def init_sample():
    centers = [[1, 1], [-1, -1], [1, -1]]
    # 生成数据
    X, label_true = sklearn.datasets.make_blobs(n_samples=150, centers=centers, cluster_std=0.5, random_state=0)
    return X, label_true
##########AP聚类####################
class AP(object):
    """ AP聚类 """

    def __init__(self):
        self.Xn = None
        self.Xn_len = None
        self.R = None
        self.A = None
        self.simi_matrix = None
        self.class_cen = None

    def fit(self, data):
        self.Xn = data
        self.Xn_len = len(data)
        # 初始化R、A矩阵
        self.R = np.zeros((self.Xn_len, self.Xn_len))
        self.A = np.zeros((self.Xn_len, self.Xn_len))
        # 计算相似度
        self.cal_simi()
        # # 输出聚类中心
        self.class_cen = self.cal_cls_center()

    def cal_simi(self):
        """
        计算相似度矩阵
            这个数据集的相似度矩阵，最终是二维数组
            每个数字与所有数字的相似度列表，即矩阵中的一行
            采用负的欧式距离计算相似度
        :return:
        """
        simi = [[-np.sqrt((m[0] - n[0]) ** 2 + (m[1] - n[1]) ** 2) for n in self.Xn] for m in self.Xn]
        # print(simi)
        # print(len(simi))
        # print(len(simi[1]))

        # 设置参考度，即对角线的值，一般为最小值或者中值
        # p = np.min(simi)   ##11个中心
        # p = np.max(simi)  ##14个中心

        p = np.median(simi)  ##5个中心##作用1：计算沿指定轴的中