0
点赞
收藏
分享

微信扫一扫

拓端tecdat|Python实现谱聚类Spectral Clustering算法和改变簇数结果可视化比较

谱聚类是一种将数据的相似矩阵的谱应用于降维的技术。它是有用且易于实现的聚类方法。  

​​Scikit-learn​​ API 提供了 谱聚类来实现 Python 中的谱聚类方法。谱聚类 将聚类应用于归一化拉普拉斯算子的投影。在本教程中,我们将简要了解如何在 Python 中使用 谱聚类 对数据进行聚类和可视化。教程涵盖:

  1. 准备数据
  2. 使用 谱聚类 和可视化进行聚类
  3. 源代码

我们将首先导入所需的库和函数。

1.   
2. from numpy import random

准备数据

我们将通过使用 make_blob() 函数生成一个简单的数据集并在图中将其可视化。

1.  random.seed
2. make_blobs
3.
4. plt
5. plt.show

拓端tecdat|Python实现谱聚类Spectral Clustering算法和改变簇数结果可视化比较_谱聚类

这是一个易于理解的数据,因此我们将使用谱聚类方法对其进行聚类。

谱聚类和可视化

我们将使用 谱聚类定义模型,然后我们将它拟合到 x 数据上。谱聚类需要聚类的数量,因此将 4 设置为 n_cluster 参数。您可以检查类的参数并根据您的分析和目标数据更改它们。

1.  SptlCltg.fit(x)
2.
3.
4. SelCg( n_clusters=4)
5.

接下来,我们将在图中可视化聚类数据。为了按颜色区分聚类,我们将从拟合模型中提取标签数据。

1.  labels = sc.labels_
2.
3. plt.scatter(x[:,0], x[:,1], c=labels)
4. plt.show()

拓端tecdat|Python实现谱聚类Spectral Clustering算法和改变簇数结果可视化比较_数据_02

我们还可以通过改变簇数来检查聚类结果。

1.  plt
2. f.add_subplot
3. for i in range:
4. sc = Serurg.fit
5. f.add_subplot
6. plt.scatter
7. plt.legen
8.
9. plt.show

拓端tecdat|Python实现谱聚类Spectral Clustering算法和改变簇数结果可视化比较_聚类_03

在本教程中,我们简要了解了如何使用 Python 中对数据进行聚类和可视化。

拓端tecdat|Python实现谱聚类Spectral Clustering算法和改变簇数结果可视化比较_数据_04

举报

相关推荐

0 条评论