4種聚類算法及可視化（Python）

   

    

     

      

       

        

         來源：數(shù)據(jù)STUDIO 算法進(jìn)階
        
       
      
     
    
   
   

    

     

      

       

        
本文約2300字，建議閱讀12分鐘
        
在這篇文章中，基于20家公司的股票價(jià)格時(shí)間序列數(shù)據(jù)。
       
      
     
    
   

correlation_mat=df_combined.corr()

定義一個(gè)效用函數(shù)來顯示集群和屬于該集群的公司。

# 用來打印公司名稱和它們所分配的集群的實(shí)用函數(shù)
def print_clusters(df_combined,cluster_labels):
  cluster_dict = {}
  for i, label in enumerate(cluster_labels):
      if label not in cluster_dict:
          cluster_dict[label] = []
      cluster_dict[label].append(df_combined.columns[i])

  # 打印出每個(gè)群組中的公司 -- 建議關(guān)注@公眾號(hào)：數(shù)據(jù)STUDIO 定時(shí)推送更多優(yōu)質(zhì)內(nèi)容
  for cluster, companies in cluster_dict.items():
      print(f"Cluster {cluster}: {', '.join(companies)}")

方法1：K-means聚類法

from sklearn.cluster import KMeans

# Perform k-means clustering with four clusters
clustering = KMeans(n_clusters=4, random_state=0).fit(correlation_mat)

# Print the cluster labels
cluster_labels=clustering.labels_
print_clusters(df_combined,cluster_labels)

k-means聚類的結(jié)果

from sklearn.cluster import AgglomerativeClustering

# 進(jìn)行分層聚類
clustering = AgglomerativeClustering(n_clusters=n_clusters, 
                                     affinity='precomputed', 
                                     linkage='complete'
                                    ).fit(correlation_mat)

# Display the cluster labels
print_clusters(df_combined,clustering.labels_)

分層聚類的結(jié)果

from sklearn.cluster import AffinityPropagation

# 用默認(rèn)參數(shù)進(jìn)行親和傳播聚類
clustering = AffinityPropagation(affinity='precomputed').fit(correlation_mat)

# Display the cluster labels
print_clusters(df_combined,clustering.labels_)

from sklearn.cluster import DBSCAN

# Removing negative values in correlation matrix
correlation_mat_pro = 1 + correlation_mat

# Perform DBSCAN clustering with eps=0.5 and min_samples=5
clustering = DBSCAN(eps=0.5, min_samples=5, metric='precomputed').fit(correlation_mat_pro)

# Print the cluster labels
print_clusters(df_combined,clustering.labels_)

def plot_cluster_heatmaps(cluster_results, companies):

    # 從字典中提取key和value
    methods = list(cluster_results.keys())
    labels = list(cluster_results.values())

    # 定義每個(gè)方法的熱圖數(shù)據(jù)
    heatmaps = []
    for i in range(len(methods)):
        heatmap = np.zeros((len(np.unique(labels[i])), len(companies)))
        for j in range(len(companies)):
            heatmap[labels[i][j], j] = 1
        heatmaps.append(heatmap)

    # Plot the heatmaps in a 2x2 grid
    fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(12, 12))

    for i in range(len(methods)):
        row = i // 2
        col = i % 2
        sns.heatmap(heatmaps[i], cmap="Blues", annot=True, fmt="g", xticklabels=companies, ax=axs[row, col])
        axs[row, col].set_title(methods[i])

    plt.tight_layout()
    plt.show()

companies=df_combined.columns
plot_cluster_heatmaps(cluster_results, companies)