本文实例为大家分享了Python实现简单层次聚类算法，以及可视化，供大家参考，具体内容如下

基本的算法思路就是：把当前组间距离最小的两组合并成一组。

算法的差异在算法如何确定组件的距离，一般有最大距离，最小距离，平均距离，马氏距离等等。

代码如下： import numpy as np

import data_helper

np.random.seed(1)

def get_raw_data(n):

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

#生成数据的格式是n个(x,y)

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

return _groups

def cal_distance(cluster1,cluster2):

#采用最小距离作为聚类标准

_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:#判断是不是所有的数据是不是归为了同一类

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#这里的j>i

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

data_helper.draw_data(groups)

#一共n个簇，共迭代n-1次

运行的效果就是迭代一次，组数就会少一次，调用画图方法，同一组的数据被显示为一个颜色。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持聚米学院。