目錄
1、分層聚類算法
層次聚類算法又稱爲樹聚類算法,它根據數據之間的距離,透過一種層次架構方式,反覆將數據
進行聚合,創建一個層次以分解給定的數據集。
2、方法
01 聚類方法
linkage=scipy.cluster.hierarchy.linkage(data,method='single')
data 訓練樣本
method 類距離的計算公式:
1、single l兩個類之間最短距離的點的距離
2、complete 兩個類之間最長距離的點的距離
3、centroid 兩個所有點的中點的距離
02 層次聚類繪圖
scipy.cluster.hierarchy.dendrogram(linkage)
linkage 層次聚類的結果
03 層次聚類分類方法
scipy.cluster.hierarchy.fcluster(linkage,n,criterion='maxclust')
linkage 層次聚類的結果
n 要聚類的個數
criterion 劃分方法,使用maxclust,最大劃分法
3、分析步驟
01 計算每兩個點距離的平方
計算公式:也就是兩個點距離的平方。
02 找出他們之間的最近距離進行合併
兩點的均值作爲新值,歸爲一類
03 重新計算新生成的這個類與各個舊類之間的相似度
04 重複胡2和3的步驟
4、案例
import pandas as pd
import matplotlib.pyplot as plt
data=pd.read_csv('D:\\DATA\\pycase\\7.1\\data.csv')
# 提取關鍵特徵 data.columns
fColumns=[ '工作日上班時電話時長', '工作日下半時電話時長', '週末電話時長', '國際電話時長', '總電話時長',
'平均每次通話時長']
# 導入距離計算公式,並且進行訓練數據
import scipy.cluster.hierarchy as hcluster
linkage=hcluster.linkage(
data[fColumns],
method='centroid')
# 查看層次聚類的結果
hcluster.dendrogram(linkage)
# 僅僅查看其中一部分的數據,這裏查看12個數據
hcluster.dendrogram(
linkage,
truncate_mode='lastp',
p=12,
leaf_font_size=12.
)
# 進行層次聚類
pTarget=hcluster.fcluster(
linkage,3,
criterion='maxclust')
# 對樣本量進行統計交叉
pd.crosstab(pTarget,pTarget)
# 通過PCA對數據進行降維
from sklearn.decomposition import PCA
pca_2=PCA(n_components=2)
data_pca=pca_2.fit_transform(data[fColumns])
# 轉化爲數據框
data_pca_2=pd.DataFrame(data_pca)
# 繪圖
plt.scatter(
data_pca_2[0],
data_pca_2[1],
c=pTarget)
# 繪製每個數據特徵的影響和表現
# 3 定義空的數據框
dMean=pd.DataFrame(columns=fColumns+['分類'])
data_gb=data[fColumns].groupby(pTarget)
i=0;
for g in data_gb.groups:
rMean=data_gb.get_group(g).mean()
rMean['分類']=g
dMean=dMean.append(rMean,ignore_index=True)
subData=data_gb.get_group(g)
for column in fColumns:
i=i+1
p=plt.subplot(3,5,i)
p.set_title(column)
p.set_ylabel(str(g)+"分類")
plt.hist(subData[column],bins=20)
# 繪製折線圖data.columns
pTarget=pTarget-1 # 下面繪圖從0開始繪製
r=data[['工作日上班時電話時長', '工作日下半時電話時長', '週末電話時長', '國際電話時長']]
r.index=data.客戶編號
r['聚類類別']=pTarget
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標籤
plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號
#有中文出現的情況,需要u'內容'
style=['ro-','go-','bo-']
fColumns2=[ '工作日上班時電話時長', '工作日下半時電話時長', '週末電話時長', '國際電話時長']
xlabels=fColumns2
# # %matplotlib qt 彈窗
k=3
for i in range(k): #注意作圖、做出不同樣式
plt.figure()
tmp=r[r[u'聚類類別']==i].iloc[:,:4] # 提取每一類
for j in range(len(tmp)):
plt.plot(range(1,5),tmp.iloc[j],style[i])
plt.xticks(range(1,5),xlabels,rotation=20) #座標標籤
plt.subplots_adjust(bottom=0.15) # 調整底部
plt.savefig(u'%s%s,png'%('D:\\DATA\\pycase\\7.1\\scipy',i)) #保存圖片