本文實例為大家分享了Python實現簡單層次聚類算法，以及可視化，供大家參考，具體內容如下

基本的算法思路就是：把當前組間距離最小的兩組合并成一組。

算法的差異在算法如何確定組件的距離，一般有最大距離，最小距離，平均距離，馬氏距離等等。

代碼如下： import numpy as np

import data_helper

np.random.seed(1)

def get_raw_data(n):

_data=np.random.rand(n,2)

#生成數據的格式是n個(x,y)

_groups={idx:[[x,y]] for idx,(x,y) in enumerate(_data)}

return _groups

def cal_distance(cluster1,cluster2):

#采用最小距離作為聚類標準

_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:#判斷是不是所有的數據是不是歸為了同一類

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 distance

min_distance=distance

min_i=i

min_j=j#這里的j>i

groups[min_i].extend(groups.pop(min_j))

data_helper.draw_data(groups)

#一共n個簇，共迭代n-1次

運行的效果就是迭代一次，組數就會少一次，調用畫圖方法，同一組的數據被顯示為一個顏色。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持聚米學院。

總結

以上是生活随笔為你收集整理的python层次聚类法画图_Python实现简单层次聚类算法以及可视化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。