Python实现简单层次聚类算法以及可视化 实现简单层次聚类算法以及可视化 主要为大家详细介绍了Python实现简单层次聚类算法以及可视化，具有一定的参考价值，感兴趣的小伙伴们可 以参考一下 本文实例为大家分享了Python实现简单层次聚类算法，以及可视化，供大家参考，具体内容如下 基本的算法思路就是：把当前组间距离最小的两组合并成一组。 算法的差异在算法如何确定组件的距离，一般有最大距离，最小距离，平均距离，马氏距离等等。 代码如下： import numpy as np import data_helper np.random.seed(1) def get_raw_data(n): _data=np.random.rand(n,2) #生成数据的格式是n个（x,y） _groups={idx:[[x,y]] for idx,(x,y) in enumerate(_data)} return _groups def cal_distance(cluster1,cluster2): #采用最小距离作为聚类标准 _min_distance=10000 for x1,y1 in cluster1: for x2,y2 in cluster2: _distance=(x1-x2)**2+(y1-y2)**2 if _distance<_min_distance: _min_distance=_distance return _distance groups=get_raw_data(10) count=0 while len(groups)!=1:#判断是不是所有的数据是不是归为了同一类 min_distance=10000 len_groups=len(groups) for i in groups.keys(): for j in groups.keys(): if i>=j: continue distance=cal_distance(groups[i],groups[j]) if distancei groups[min_i].extend(groups.pop(min_j)) data_helper.draw_data(groups) #一共n个簇，共迭代n-1次 运行的效果就是迭代一次，组数就会少一次，调用画图方法，同一组的数据被显示为一个颜色。 以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。