相似度矩阵 聚类 代码

相似度矩阵聚类代码
相似度矩阵是一种基于数据相似度进行聚类的方法，常用于机器学习和数据挖掘领域。

下面是一份相似度矩阵聚类的 Python 代码示例：
```
import numpy as np
from scipy.cluster.hierarchy import dendrogram, linkage from matplotlib import pyplot as plt
# 构建相似度矩阵
similarity_matrix = np.array([[1.0, 0.2, 0.1],
[0.2, 1.0, 0.5],
[0.1, 0.5, 1.0]])
# 使用 linkage 函数进行层次聚类
Z = linkage(similarity_matrix, 'ward')
# 绘制树状图
plt.figure(figsize=(8, 5))
dendrogram(Z)
plt.show()
```
在上述代码中，我们首先构建了一个 3x3 的相似度矩阵，每个元素表示两个数据之间的相似度。

然后使用 `linkage` 函数进行层次聚类，并将结果传递给 `dendrogram` 函数绘制树状图。

在树状图
中，每个叶子节点代表一个数据点，每个非叶子节点代表一个聚类。

树状图的高度表示聚类的距离，即聚类中所有数据点之间的平均距离。

通过观察树状图，我们可以确定聚类的数量和每个聚类包含的数据点。