非监督学习之聚类算法（2）--基于层次

层次聚类方法是古老而且常用的聚类方法。层次聚类方法的基本思想是：通过某种相似性测度计算节点之间的相似性，并按相似度由高到低排序，逐步重新连接个节点。

事实上，层次聚类有两大种策略，一种是自下至上，一种是自上到下。

凝聚的层次聚类算法与分裂的层次聚类算法
凝聚：先将每个对象作为一个簇，然后合并这些原子簇为越来越大的簇，直到所有对象都在一个簇中，或者某个终结条件被满足。
分裂：采用自顶向下的策略，它首先将所有对象置于一个簇中，然后逐渐细分为越来越小的簇，直到达到了某个终结条件。该种方法一般较少使用

AGNES算法（凝聚）

AGNES算法最初将每个对象作为一个簇，然后这些簇根据某些准则被一步一步地合并。例如，在簇A中的一个对象和簇B中的一个对象之间的距离是所有属于不同簇的对象之间最小的，那么A、B可能被合并。这是一种单链接方法，其每一个簇都可以被簇中所有对象代表，两个簇间的相似度由这两个簇中距离最近的数据点的相似度来确定。聚类的合并过程反复进行直到所有的对象最终合并形成一个簇。在聚类中，用户可定义希望得到的簇数目作为一个结束条件。

1、执行步骤

step1：将数据集中的每个样本初始化为一个簇，并放入集合C中。当前簇的个数为q。
step2：当q大于k（目标数量）时在C中找到距离最近的两个簇C(i)和C(j), 将C(i)和C(j)合并，更新集合C。q-1。
step3：循环步骤2直到q=k，返回聚类集合C

2、优缺点

（1）优点

• 简单，但可能遇到合并点选择困难的情况。如果在某一步没有很好地选择出合并点，很可能导致低质量的聚类结果。

（2）缺点

• 一旦一组对象被合并，不能撤销
• 此算法没有良好的可伸缩性，算法的复杂度为O(n的平方)，复杂度较高不适合大数据集。

3、代码实现

# coding=utf-8
'''
AGNES算法
'''
import numpy as np
import math
import matplotlib.pyplot as plt

flag = 1

#==============================================
# 计算距离
#==============================================

def euclidean_dist(p, q):
    ''' 
    欧式距离(L2范数)
    INPUT  -> 长度一致的向量1、向量2
    '''
    p = np.mat(p)
    q = np.mat(q)
    return math.sqrt(np.sum(np.power(p-q, 2))) 

def dist_min(C1, C2):
    ''' 
    两个簇中最小距离
    INPUT  -> 簇1、簇2
    '''
    return min(euclidean_dist(i, j) for i in C1 for j in C2)

def dist_max(C1, C2):
    ''' 
    两个簇中最大距离
    INPUT  -> 簇1、簇2
    '''
    return max(euclidean_dist(i, j) for i in C1 for j in C2)

def dist_avg(C1, C2):
    ''' 
    两个簇中平均距离
    INPUT  -> 簇1、簇2
    '''
    return sum(euclidean_dist(i, j) for i in C1 for j in C2)/(len(C1)*len(C2))

#==============================================
# 找到距离最小的簇
#==============================================

def find_Min(ClusterSet):
    ''' 
    找到簇间距离中最小的一对
    INPUT  -> 簇的集合
    '''
    min = 10000
    x = 0
    y = 0
    for i in range(len(ClusterSet)):
        for j in range(len(ClusterSet)):
            if i != j and dist_min(ClusterSet[i], ClusterSet[j]) < min:
                min = dist_min(ClusterSet[i], ClusterSet[j])
                x = i
                y = j
    return (x, y)

#==============================================
# 算法核心部分
#==============================================

def AGNES(dataSet, k):
    ''' 
    AGNES算法
    INPUT  -> 数据集、聚类中心数
    '''
    global flag
    
    # 聚类结果
    output = []
    for i in dataSet:
        temp = []
        temp.append(i)
        output.append(temp)

    # 当前簇个数
    q = len(output)
    
    # 合并更新
    while q >= k:
        # 打印聚类过程
        print('------------------------第'+str(flag)+'次迭代--------------------------')
        for i in range(q):
            print('第'+str(i+1)+'组:', output[i], end='\n')

        x, y = find_Min(output)
        output[x].extend(output[y])
        output.remove(output[y])
        q -= 1
        flag += 1

    print('已收敛，执行结束')

    return output

#========================================================
#  主程序
#========================================================

if __name__ == '__main__':
    a = [np.random.randint(0, 50) for _ in range(50)]
    b = [np.random.randint(10, 100) for _ in range(50)]
    c = [np.random.randint(0, 10) for _ in range(50)]
    points = [[a,b,c] for a,b,c in zip(a,b,c)]

    output = AGNES(dataSet=points, k=5)
    print(output)