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 Python实现谱聚类SpectralClusteri

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：

准备数据
使用谱聚类和可视化进行聚类
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()

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

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。

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