OPTICS聚类Python代码

最新推荐文章于 2024-08-27 22:52:23 发布

原创

最新推荐文章于 2024-08-27 22:52:23 发布 · 2k 阅读

6 ·

CC 4.0 BY-SA版权

本文介绍了如何在Python中运用OPTICS（Ordering Points To Identify the Clustering Structure）聚类算法，通过链接到的博客文章详细阐述了具体实现过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# -*- coding: gbk -*-
import numpy as np
import matplotlib.pyplot as plt
import operator
from scipy.spatial.distance import pdist
from scipy.spatial.distance import squareform
import sys
from sklearn import metrics
import pandas as pd


def fit_plot_Kmean_model(datalist):
    data = pd.read_csv(datalist, header=None, error_bad_lines=False)
    # 必须添加header=None，否则默认把第一行数据处理成列名导致缺失
    data_list = data.values.tolist()
    data_list = np.array(data_list)
    return data_list

def compute_squared_EDM(X):
  return squareform(pdist(X,metric='euclidean'))

# # 显示决策图
# def plotReachability(data,eps):
#     plt.figure()
#     plt.plot(range(0,len(data)), data)
#     plt.plot([0, len(data)], [eps, eps])
#     plt.show()

# 显示分类的类别
def plotFeature(eps,minPts,data,labels,savePath):
    eps=float(eps)
    minPts=int(minPts)
    plt.figure(figsize=(12, 12))
    plt.subplot(221)
    plt.scatter(data[:, 0], data[:, 1])
    plt.title("Raw data")

    # 判断得分，得分为负数，绝对值越大成本越高，但是随着成本的降低，会出现聚类个数