完整的最简单的谱聚类python代码

最新推荐文章于 2026-05-16 05:13:44 发布

原创

最新推荐文章于 2026-05-16 05:13:44 发布 · 1.6w 阅读

标签

#python #matplotlib #matrix #graph #import

#layout

收录于

本文展示了使用Python进行谱聚类的简单步骤，特别针对karate_club数据集进行了分析。通过引入numpy, scipy, matplotlib和networkx库，实现了对2-way clustering的图的新的表示空间构建，并未直接应用k-means，而是基于拉普拉斯矩阵的第二特征值进行符号判断，遵循Spectral Clustering Tutorial的指导。" 114112495,10543047,Java调用SAP WebService登录实现详解,"['Java WebService', 'SAP集成', '编码解码']

针对karate_club数据集，做了谱聚类。由于是2-way clustering，比较简单，得到了图的新的表示空间之后，没有做k-means，仅仅针对正规化后的拉普拉斯矩阵的第二特征值做了符号判断，这和Spectral Clustering Tutorial 一文中的描述一致。

引用了numpy scipy matplotlib networkx包

#coding=utf-8
#MSC means Multiple Spectral Clustering 
import numpy as np
import scipy as sp
import scipy.linalg as linalg
import networkx as nx
import matplotlib.pyplot as plt

def getNormLaplacian(W):
	"""input matrix W=(w_ij)
	"compute D=diag(d1,...dn)
	"and L=D-W
	"and Lbar=D^(-1/2)LD^(-1/2)
	"return Lbar
	"""
	d=[np.sum(row) for row in W]
	D=np.diag(d)
	L=D-W
	#Dn=D^(-1/2)
	Dn=np.power(np.linalg.matrix_power(D,-1),0.5)
	Lbar=np.dot(np.dot(Dn,L),Dn)
	return Lbar

def getKSmallestEigVec(Lbar,k):
	"""input
	"matrix Lbar and k
	"return
	"k smallest eigen values and their corresponding eigen vectors
	"""
	eigval,eigvec=linalg.eig(Lbar)
	dim=len(eigval)

	#查找前k小的eigval
	dictEigval=dict(zip(eigval,range(0,dim)))
	kEig=np.sort(eigval)[0:k]
	ix=[dictEigval