ap聚类算法matlab

Question

在用matlab搞AP算法时最后的图呈现这种情况
有没有知道这是怎么回事呀/(ㄒoㄒ)/~~
是不是我的数据不好呀/(ㄒoㄒ)/~~
感谢感谢🙏
以下是我的代码，希望指正

D = pdist2(locations, locations, 'euclidean');
S = -D;
preference = median(S(:));
[idx, netsim, dpsim, expref] = apcluster(S, preference);
k = numel(unique(idx));
cluster_centers = [];
for i = 1:k
    cluster_points = locations(idx == i, :);
    center = mean(cluster_points, 1); 
    cluster_centers = [cluster_centers; center];
end
disp(['实际聚类数量: ', num2str(k)]);
disp('聚类中心坐标:');
disp(cluster_centers);
figure;
hold on;
gscatter(locations(:,1), locations(:,2), idx, 'rgb', 'o', 8);
plot(cluster_centers(:,1), cluster_centers(:,2), 'k*', 'MarkerSize', 10, 'LineWidth', 2);
for i = 1:k
    cluster_points = locations(idx == i, :);
    center = cluster_centers(i, :);
    for j = 1:size(cluster_points, 1)
        plot([cluster_points(j,1), center(1)], [cluster_points(j,2), center(2)], 'k--', 'LineWidth', 0.75);
    end
end
xlabel('经度');
ylabel('纬度');
title(['AP 聚类结果，聚类数量 k = ', num2str(k)]);
legend('Cluster 1', 'Cluster 2', 'Cluster 3', 'Cluster Centers', 'Location', 'Best');
hold off;

Answer 1

以下回复参考：皆我百晓生、券券喵儿等免费微信小程序作答:

要解决这个问题，首先确保你的MATLAB环境正确安装，并且已经导入了scikits.learn库，这将有助于实现AP（自动聚类）算法。以下是解决问题的步骤：

步骤1：导入必要的库

% 导入所需的库
import numpy as np
from sklearn.cluster import AgglomerativeClustering

步骤2：定义数据集

假设我们有一个包含多列数据的数据集。为了演示目的，我们将创建一个简单的示例。

# 假设我们有三列数据
data = np.array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11, 12]])

步骤3：执行AP聚类

接下来，我们需要运行AP聚类算法以找出最佳的聚类数。这里我们可以使用AgglomerativeClustering函数。

# 定义聚类数k
k = 9

# 创建并运行AP聚类
clusterer = AgglomerativeClustering(n_clusters=k)
labels = clusterer.fit_predict(data)

# 打印聚类中心
centers = clusterer.cluster_centers_
print("聚类中心:", centers)

步骤4：查看聚类结果

现在，让我们打印出每个簇的标签和相应的中心点。

# 打印每个簇的标签和中心点
for i in range(k):
    print(f"Cluster {i+1}:")
    for j in range(len(labels)):
        if labels[j] == i:
            print(f"{j} -> ({data[j][0]}, {data[j][1]})", end=" ")
    print()
    print(f"Center: ({centers[i][0]}, {centers[i][1]})")

# 确保输出整洁
print("\n")

解释

• 在上述代码中，我们通过np.array()函数从给定的列表中创建了一个数组。
• 使用AgglomerativeClustering函数来创建聚类模型，传入参数n_clusters=k表示我们希望找到的最佳聚类数为9个。
• 运行模型并预测每个样本所属的簇。
• 最后，我们打印出每个簇的标签和相应中心点的位置。

如果你遇到任何问题，或者想要更深入地了解如何改进这个过程，欢迎随时提问！