原文鏈接：http://tecdat.cn/?p=24842?

原文出處：拓端數(shù)據(jù)部落公眾號(hào)

譜聚類是一種將數(shù)據(jù)的相似矩陣的譜應(yīng)用于降維的技術(shù)。它是有用且易于實(shí)現(xiàn)的聚類方法。??

Scikit-learn?API 提供了 譜聚類來實(shí)現(xiàn) Python 中的譜聚類方法。譜聚類 將聚類應(yīng)用于歸一化拉普拉斯算子的投影。在本教程中，我們將簡要了解如何在 Python 中使用 譜聚類 對(duì)數(shù)據(jù)進(jìn)行聚類和可視化。教程涵蓋：

1. 準(zhǔn)備數(shù)據(jù)

2. 使用 譜聚類 和可視化進(jìn)行聚類

3. 源代碼

我們將首先導(dǎo)入所需的庫和函數(shù)。

1. 


2. from numpy import random

準(zhǔn)備數(shù)據(jù)

我們將通過使用 make_blob() 函數(shù)生成一個(gè)簡單的數(shù)據(jù)集并在圖中將其可視化。

1. random.seed

2. make_blobs

3. 


4. plt

5. plt.show

這是一個(gè)易于理解的數(shù)據(jù)，因此我們將使用譜聚類方法對(duì)其進(jìn)行聚類。

譜聚類和可視化

我們將使用 譜聚類定義模型，然后我們將它擬合到 x 數(shù)據(jù)上。譜聚類需要聚類的數(shù)量，因此將 4 設(shè)置為 n_cluster 參數(shù)。您可以檢查類的參數(shù)并根據(jù)您的分析和目標(biāo)數(shù)據(jù)更改它們。

1. SptlCltg.fit(x)

2. 


3. 


4. SelCg( n_clusters=4)?

5. 


接下來，我們將在圖中可視化聚類數(shù)據(jù)。為了按顏色區(qū)分聚類，我們將從擬合模型中提取標(biāo)簽數(shù)據(jù)。

1. labels = sc.labels_

2. 


3. plt.scatter(x[:,0], x[:,1], c=labels)

4. plt.show()??

我們還可以通過改變簇?cái)?shù)來檢查聚類結(jié)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，我們簡要了解了如何使用 Python 中對(duì)數(shù)據(jù)進(jìn)行聚類和可視化。

最受歡迎的見解

1.R語言k-Shape算法股票價(jià)格時(shí)間序列聚類

2.R語言中不同類型的聚類方法比較

3.R語言對(duì)用電負(fù)荷時(shí)間序列數(shù)據(jù)進(jìn)行K-medoids聚類建模和GAM回歸

4.r語言鳶尾花iris數(shù)據(jù)集的層次聚類

5.Python Monte Carlo K-Means聚類實(shí)戰(zhàn)

6.用R進(jìn)行網(wǎng)站評(píng)論文本挖掘聚類

7.用于NLP的Python：使用Keras的多標(biāo)簽文本LSTM神經(jīng)網(wǎng)絡(luò)

8.R語言對(duì)MNIST數(shù)據(jù)集分析 探索手寫數(shù)字分類數(shù)據(jù)

9.R語言基于Keras的小數(shù)據(jù)集深度學(xué)習(xí)圖像分類