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

原文链接：http://tecdat.cn/?p=24842 

原文出处：拓端数据部落公众号

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

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()  

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

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。

---

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