聚类算法之AP算法

Preference: -5.29914553034mul= 1.0p=1.0 -5.29914553034 聚类簇的个数为: 16

# -*- coding:utf-8 -*-import numpy as npimport matplotlib.pyplot as pltimport sklearn.datasets as dsimport matplotlib.colorsfrom sklearn.cluster import AffinityPropagationfrom sklearn.metrics import euclidean_distances#聚类算法之AP算法:#1--与其他聚类算法不同,AP聚类不需要指定K(金典的K-Means)或者是其他描述聚类个数的参数#2--一个聚类中最具代表性的点在AP算法中叫做Examplar,与其他算法中的聚类中心不同,examplar#是原始数据中确切存在的一个数据点,而不是由多个数据点求平均而得到的聚类中心#3--多次执行AP聚类算法,得到的结果完全一样的，即不需要进行随机选取初值步骤.#算法复杂度较高,为O(N*N*logN),而K-Means只是O(N*K)的复杂度，当N》3000时,需要算很久#AP算法相对于Kmeans优势是不需要指定聚类数量,对初始值不敏感#AP算法应用场景：图像、文本、生物信息学、人脸识别、基因发现、搜索最优航线、 码书设计以及实物图像识别等领域#算法详解: http://blog.csdn.net/helloeveryon/article/details/51259459if __name__=='__main__':    #scikit中的make_blobs方法常被用来生成聚类算法的测试数据，直观地说，make_blobs会根据用户指定的特征数量、    # 中心点数量、范围等来生成几类数据，这些数据可用于测试聚类算法的效果。    #函数原型：sklearn.datasets.make_blobs(n_samples=100, n_features=2,    # centers=3, cluster_std=1.0, center_box=(-10.0, 10.0), shuffle=True, random_state=None)[source]    #参数解析：    # n_samples是待生成的样本的总数。    #    # n_features是每个样本的特征数。    #    # centers表示类别数。    #    # cluster_std表示每个类别的方差，例如我们希望生成2类数据，其中一类比另一类具有更大的方差，可以将cluster_std设置为[1.0, 3.0]。    N=400    centers = [[1, 2], [-1, -1], [1, -1], [-1, 1]]    #生成聚类算法的测试数据    data,y=ds.make_blobs(N,n_features=2,centers=centers,cluster_std=[0.5, 0.25, 0.7, 0.5],random_state=0)    #计算向量之间的距离    m=euclidean_distances(data,squared=True)    #求中位数    preference=-np.median(m)    print 'Preference:',preference    matplotlib.rcParams['font.sans-serif'] = [u'SimHei']    matplotlib.rcParams['axes.unicode_minus'] = False    plt.figure(figsize=(12,9),facecolor='w')    for i,mul in enumerate(np.linspace(1,4,9)):#遍历等差数列        print 'mul=',mul        p=mul*preference        model=AffinityPropagation(affinity='euclidean',preference=p)        af=model.fit(data)        center_indices=af.cluster_centers_indices_        n_clusters=len(center_indices)        print ('p=%.1f'%mul),p,'聚类簇的个数为:',n_clusters        y_hat=af.labels_        plt.subplot(3,3,i+1)        plt.title(u'Preference：%.2f，簇个数：%d' % (p, n_clusters))        clrs=[]        for c in np.linspace(16711680, 255, n_clusters):            clrs.append('#%06x' % c)            for k, clr in enumerate(clrs):                cur = (y_hat == k)                plt.scatter(data[cur, 0], data[cur, 1], c=clr, edgecolors='none')                center = data[center_indices[k]]                for x in data[cur]:                    plt.plot([x[0], center[0]], [x[1], center[1]], color=clr, zorder=1)            plt.scatter(data[center_indices, 0], data[center_indices, 1], s=100, c=clrs, marker='*', edgecolors='k',                        zorder=2)            plt.grid(True)        plt.tight_layout()        plt.suptitle(u'AP聚类', fontsize=20)        plt.subplots_adjust(top=0.92)        plt.show()