【机器学习—聚类】

# 亲和力传播聚类 import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import make_classification from sklearn.cluster import AffinityPropagation # 定义数据集 X, _ = make_classification(n_samples=1000, n_features=2, n_informative=2, n_redundant=0, n_clusters_per_class=1, random_state=4) # 定义模型 model = AffinityPropagation(damping=0.9) # 匹配模型 model.fit(X) # 为每个示例分配一个集群 yhat = model.predict(X) # 检索唯一群集 clusters = np.unique(yhat) # 为每个群集的样本创建散点图 plt.figure(figsize=(8,6)) plt.rcParams['font.size']=15 for cluster in clusters: # 获取此群集的示例的行索引 row_ix = np.where(yhat == cluster) # 创建这些样本的散布 plt.scatter(X[row_ix, 0], X[row_ix, 1]) plt.title('AffinityPropagation') # 绘制散点图 plt.show()