数据解析算法合集(持续更新)：FindS算法、凝聚层次聚类算法

''' 凝聚层次聚类算法: 1. 获取所有样本的距离矩阵； 2. 将每个数据点作为一个单独的簇； 3. 基于最不相似(距离最远)样本的距离，合并两个最接近的簇； 4. 更新样本的距离矩阵； 5. 重复2到4，直到所有样本都属于同一个簇为止。 ''' import pandas as pd import numpy as np import matplotlib.pyplot as plt from scipy.spatial.distance import pdist,squareform from scipy.cluster.hierarchy import linkage from scipy.cluster.hierarchy import dendrogram # 参数 labels = ["15Age", "20Age", "35Age", "45Age", "55Age", "60Age"] # 编号 feature = ["location"] # 特征 data = [15, 20, 35, 45, 55, 60] # 数据 #通过pandas将数组转换成一个DataFrame dist_matrix = pd.DataFrame(data, columns = feature, index = labels) print(dist_matrix) print("===========================================") # 只有一个特征(一维)和多个特征(高维)的求法是不一样的, 高维时需要生成对角距离矩阵, 一维则不需要 if(len(feature) != 1): # 高纬时运行以下程序 # pdist: 计算两两样本间的欧式距离, 返回的是一个一维数组 # squareform: 将数组转成一个对称矩阵 dist_matrix = pd.DataFrame(squareform(pdist(dist_matrix, metric="euclidean")), columns = labels, index = labels) print(dist_matrix) print("===========================================") # linkage是scipy自带的层次聚类算法, 输入: result_clusters = linkage(dist_matrix.values, method = "complete", metric = "euclidean") """ 输出由四列组成： 第一字段与第二字段分别为聚类簇的编号，每生成一个新的聚类簇就在此基础上增加一对新的聚类簇进行标识 第三个字段表示前两个聚类簇之间的距离 第四个字段表示新生成聚类簇所包含的元素的个数 """ clusters = pd.DataFrame(result_clusters, columns=["label 1","label 2","distance","sampleSize"], index=["cluster %d"%(i+1) for i in range(result_clusters.shape[0])]) print(clusters) print("===========================================") # 画图 dendr = dendrogram(result_clusters, labels = labels) plt.ylabel("distance between two ages") plt.savefig("result.png") print("图片已保存") plt.show()