fully-explained-hierarchical-clustering-with-python-ebb256317b50.md

用 Python 全面解释了层次聚类

原文：https://pub.towardsai.net/fully-explained-hierarchical-clustering-with-python-ebb256317b50?source=collection_archive---------0-----------------------

编程

无监督机器学习中的凝聚聚类

分层聚类。作者的照片

在本文中，我们将讨论无监督机器学习中的层次聚类算法。该算法基于嵌套聚类的分裂和合并。基于距离度量合并聚类的链接标准如下所示，采用自下而上的方法。

• 沃德联动: 用分层的方法使数据中的方差最小化。
• 最大关联: 用于最小化聚类数据点的最大距离。
• 平均联动: 用于平均聚类的数据点的距离。
• 单联动: 用于最小化聚类中数据点的最近距离。

树状图将显示层次聚类的可视化

图像来源

链接标准以不同的时间速度给出不同的聚类。单个连锁在有噪声的数据中是不好的，并且 ward 连锁不能给出适当的聚类，因为距离没有变化，因此在适当平衡的聚类中是好的，并且如果我们不考虑欧几里德连锁，那么平均连锁可以用于聚类。

下一个参数是 连接 ，它根据连接矩阵连接或合并集群。

亲和度 参数用于计算集群中的链接。当我们使用沃德连接时，我们只能使用欧几里得距离度量。

用 python 对层次聚类建模

#importing the libraries
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

读取记录商场顾客的数据集。

#importing the dataset
dataset = pd.read_csv('Mall_Customers.csv')

数据集的视图。

作者的照片

列号 3 和 4 将用于聚类，即年收入和支出得分。

x = dataset.iloc[:,[3,4]].values

作者的照片

现在，我们将生成数据的树状图。

#using the dendrogram and determine the number of clustersimport scipy.cluster.hierarchy as schdendrogram = sch.dendrogram(sch.linkage(x, method = 'ward'))plt.title('Dendrogram')
plt.xlabel('Customers')
plt.ylabel('Euclidean Distance')plt.show()

树形图。作者的照片

该树状图显示了基于欧几里德距离的行数据点的分层聚类。它还告诉了在树状图中不同颜色的聚类的合适数目。但是聚类的最佳选择可以基于树状图中的水平线，即聚类的数量应该是 5。

#create the model to fit the hierarchical means clusteringfrom sklearn.cluster import AgglomerativeClustering
hc = AgglomerativeClustering(n_clusters = 5, affinity = "euclidean",
                             linkage = 'ward')hc_pred = hc.fit_predict(x)

现在绘制数据点来可视化集群。

#visualizing the clustersplt.scatter(x[hc_pred==0,0], x[hc_pred==0,1], s = 100, c = 'red',
                                              label ='Cluster1')
plt.scatter(x[hc_pred==1,0], x[hc_pred==1,1], s = 100, c = 'blue',
                                              label ='Cluster2')
plt.scatter(x[hc_pred==2,0], x[yhc_pred==2,1], s = 100, c = 'green',
                                            label = 'Cluster3')
plt.scatter(x[hc_pred==3,0], x[hc_pred==3,1], s = 100, c = 'cyan',
                                             label ='Cluster4')
plt.scatter(x[hc_pred==4,0], x[hc_pred==4,1], s = 100, c = 
                                    'magenta',label = 'Cluster5')plt.title('Clusters of the customers')
plt.xlabel('Annual income (k$)')
plt.ylabel('Spending SCore (1 - 100)')
plt.legend()plt.show()

聚类数。作者的照片

结论:

这种算法用于数据挖掘和统计中，以产生相似的对象聚类。有时候这个算法会因为 O(n)的时间复杂度而变得很慢，并且需要更多的内存。

我希望你喜欢这篇文章。通过我的 LinkedIn 和 twitter 联系我。

推荐文章

1。NLP —零到英雄用 Python 2。 Python 数据结构数据类型和对象 3。Python 中的异常处理概念 4。为什么 LSTM 在深度学习方面比 RNN 更有用？ 5。神经网络:递归神经网络的兴起 6。用 Python 充分解释了线性回归 7。用 Python 充分解释了 Logistic 回归 8。concat()、merge()和 join()与 Python 9 的区别。与 Python 的数据角力—第一部分 10。机器学习中的混淆矩阵