数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法律研究哪个SciPy包用于实现聚类？
聚类是最有用的无监督机器学习方法之一。它用于查找输入数据样本之间的关系模式和相似性。找到这些模式后，无监督算法将具有相似性的数据样本聚类到组中，如下图所示：
异常检测、图像分割、医学影像、社交网络分析和市场细分是一些常见的聚类应用。K均值和层次聚类是两种最常见的聚类形式。
为了实现聚类，SciPy 提供了一个聚类包 (scipy.cluster)，该包进一步包含以下两个模块：
scipy.cluster.vq 模块 - 此 SciPy 模块提供用于 K 均值聚类和矢量量化的函数。它还通过将 K 均值模型与代码本中的质心进行比较来生成 K 均值模型的代码本。下表解释了 scipy.cluster.vq 模块中的例程及其描述：
| 例程 | 描述 |
|---|---|
| scipy.cluster.vq.whiten(obs, check_finite=True ) | 此例程对特征上的观察组进行归一化。 |
| scipy.cluster.vq.vq(obs, code_book,check_finite=True) | 此例程将代码本中的代码分配给观察值。 |
| scipy.cluster.vq.kmeans(obs, k_or_guess, iter=20, thresh=1e-05, check_finite=True) | 此例程对一组观察向量执行 K 均值算法，形成 K 个聚类。 |
| scipy.cluster.vq.kmeans2(data,k,iter=10, thresh=1e-05, minit='random', missing='warn', check_finite=True) | 此例程使用 K 均值算法将一组观察值分类到 K 个聚类中。 |
scipy.cluster.hierarchy 模块 - 如名称所示，此 SciPy 模块提供用于层次聚类及其类型的函数，例如凝聚聚类。它具有各种例程，我们可以用它来：
计算层次结构上的统计数据
将层次聚类切割成扁平聚类。
实现凝聚聚类。
可视化扁平聚类。
检查两个扁平聚类分配的同构性。
绘制聚类。
更新于：2021年11月23日
141 次浏览
广告