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

原文链接:http://tecdat.cn/?p=24842 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。
【Python实现谱聚类Spectral|Python实现谱聚类Spectral Clustering算法和改变簇数结果可视化比较】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。
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。
random.seed make_blobsplt plt.show

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

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。
SptlCltg.fit(x)SelCg( n_clusters=4)

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。
labels = sc.labels_plt.scatter(x\[:,0\], x\[:,1\], c=labels) plt.show()

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

我们还可以通过改变簇数来检查聚类结果。
plt f.add_subplot for i in range: sc = Serurg.fit f.add_subplot plt.scatter plt.legenplt.show

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

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。
Python实现谱聚类Spectral|Python实现谱聚类Spectral Clustering算法和改变簇数结果可视化比较
文章图片

最受欢迎的见解
1.R语言k-Shape算法股票价格时间序列聚类
2.R语言中不同类型的聚类方法比较
3.R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归
4.r语言鸢尾花iris数据集的层次聚类
5.Python Monte Carlo K-Means聚类实战
6.用R进行网站评论文本挖掘聚类
7.用于NLP的Python:使用Keras的多标签文本LSTM神经网络
8.R语言对MNIST数据集分析 探索手写数字分类数据
9.R语言基于Keras的小数据集深度学习图像分类

    推荐阅读