《Python数学建模算法与应用课件》11第11章 聚类分析与判别分析.pptx

;;;11.1.1数据变换;1.中心化处理;2.规格化变换;3.标准化变换;11.1.2样本（或指标）间亲疏程度的测度计算;1.常用距离的计算;2.相似系数的计算;11.1.3scipy.cluster.hierarchy模块的系统聚类;1.linkage;2.fcluster;3.H＝dendrogram(Z,p)

;11.1.4基于类间距离的系统聚类;1.最短距离法;#程序文件ex11_1_1.py

importscipy.cluster.hierarchyassch

importnumpyasnp

importpylabasplt

?

plt.rc(text,usetex=True);plt.rc(font,size=16)

a=np.array([[2,3,3.5,7,9]]).T

c=sch.linkage(a)

s=[$\\omega_+str(i+1)+$foriinrange(5)]

sch.dendrogram(c,labels=s);plt.show()

;使用距离聚类的Python程序如下：

#程序文件ex11_1_2.py

importscipy.cluster.hierarchyassch

importpylabasplt

?

plt.rc(text,usetex=True);plt.rc(font,size=16)

a=[2,3,3.5,7,9];n=len(a)

d=[abs(a[i]-a[j])foriinrange(n-1)forjinrange(i+1,n)]

c=sch.linkage(d)

s=[$\\omega_+str(i+1)+$foriinrange(n)]

sch.dendrogram(c,labels=s);plt.show();#程序文件ex11_2.py

importnumpyasnp

importscipy.cluster.hierarchyassch

importpylabasplt

?

plt.rc(text,usetex=True);plt.rc(font,size=16)

a=np.loadtxt(data11_2.txt);n=a.shape[0]

b=(a-a.min(axis=0))/(a.max(axis=0)-a.min(axis=0))

z=sch.linkage(b)

s=[$\\omega_+str(i+1)+$foriinrange(n)]

sch.dendrogram(z,labels=s);plt.show();2.最长距离法;#程序文件ex11_3.py

importnumpyasnp

importscipy.cluster.hierarchyassch

importpylabasplt

?

plt.rc(text,usetex=True)

a=np.array([[2,3,3.5,7,9]]).T;n=len(a)

c=sch.linkage(a,complete,mahalanobis)

s=[$\\omega_+str(i+1)+$foriinrange(n)]

sch.dendrogram(c,labels=s);plt.show()

n0=eval(input(请输入聚类的类数n0:\n))

cluster=sch.fcluster(c,t=n0,criterion=maxclust)

print(聚类的结果为：,cluster);3.其他系统聚类方法;11.1.5动态聚类法;#程序文件ex11_4.py

importnumpyasnp

fromsklearn.clusterimportKMeans

?

a=np.array([[1,3],[1.5,3.2],[1.3,2.8],[3,1]])

md=KMeans(2).fit(a)#构建2聚类模型并求解

labels=md.labels_#提取聚类标签

centers=md.cluster_centers_#每一行是一个聚类中心

print(labels,\n-----------\n,centers);#程序文??ex11_5.py

importnumpyasnp

fromsklearn.clusterimportKMeans

?

a=np.array([[2,3,3.5,7,9]]).T

md=KMeans(2).fit(a)#构造并求解模型

labels=md.labels_