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 npimport data_helpernp.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 _groupsdef 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 _distancegroups=get_raw_data(10)count=0while 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: 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。