【Python实例第18讲】affinity propagation聚类算法

最新推荐文章于 2025-06-17 18:32:48 发布

原创

最新推荐文章于 2025-06-17 18:32:48 发布 · 5.5k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#python

本文介绍了机器学习中的affinity propagation（AP）聚类算法，该算法基于数据点间的相似度信息传递，无需预先设定类别数量。AP算法在计算机视觉和计算生物学等领域有广泛应用。算法描述包括相似度矩阵S、适配度矩阵R和A的更新过程，并提供了使用scikit-learn实现AP聚类的Python实例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

机器学习训练营——机器学习爱好者的自由交流空间（入群联系qq：2279055353）

在统计和数据挖掘里，affinity propagation(AP)是一种基于数据点之间的“信息传递”的聚类算法。与k-means等其它聚类算法不同的是，AP不需要在聚类前确定或估计类的个数。类似于k-medoids, AP需要寻找原型(exemplars), 即，代表类的输入集里的成员。AP算法广泛应用于计算机视觉和计算生物学领域。