人工智能|机器学习——Canopy聚类算法（密度聚类）

1.简介

Canopy聚类算法是一个将对象分组到类的简单、快速、精确地方法。每个对象用多维特征空间里的一个点来表示。这个算法使用一个快速近似距离度量和两个距离阈值T1 > T2 处理。

Canopy聚类很少单独使用， 一般是作为k-means前不知道要指定k为何值的时候，用Canopy聚类来判断k的取值

2.算法步骤

输入：所有点的集合D， 超参数：T1 , T2 , 且 T1 > T2 

输出：聚类好的集合

注意

• 当T1过大时，会使许多点属于多个Canopy，可能会造成各个簇的中心点间距离较近，各簇间区别不明显；
• 当T2过大时，增加强标记数据点的数量，会减少簇个个数；
• T2过小，会增加簇的个数，同时增加计算时间；

  一幅图说明算法：

  

  内圈的一定属于该类， 外圈的一定不属于该类， 中间层的可能属于别的类（因为不止一个聚类中心， 他可能属于别的类的内圈）；

  3.Python实现

  对iris数据集做Canopy聚类， 半径分别设置为1和2

  #%% Canopy聚类
  import pandas as pd
  from sklearn.cluster import KMeans
  import matplotlib.pyplot as plt
  import numpy as np
  import copy
  class Solution(object):
      def Canopy(self, x, t1, t2):
          '''
          
      
          Parameters
          ----------
          x : array
              数据集.
          t1 : float
              外圈半径.
          t2 : float
              内圈半径.
      
          Returns
          -------
          result: list.
              聚好类的数据集
          '''
          if t1