使用代表聚类 (CURE)答案

【问题标题】：Clustering using Representatives (CURE)使用代表聚类 (CURE)
【发布时间】：2018-05-24 14:10:38
【问题描述】：

我需要一个数值示例来演示使用 CURE 算法进行聚类的工作原理。
https://www.cs.ucsb.edu/~veronika/MAE/summary_CURE_01guha.pdf

【问题讨论】：

我需要花一大笔钱去牙买加度假……
继续吧。没有人阻止你！
小马。我需要小马。
设得兰小马还是威尔士小马？

标签： algorithm cluster-analysis data-mining hierarchical-clustering

【解决方案1】：

pyclustering 库有许多带有示例的聚类算法，以及在其 Github 上的示例代码。 Here is a link the CURE example.

Googling Cure 算法示例也提出了一些问题。

希望对您有所帮助！

【讨论】：

感谢您的回答。但我需要一个数值示例（显示随机抽样、计算距离 btn 簇、选择代表）。

【解决方案2】：

使用pyclustering库，您可以使用相应的方法提取有关代表点和均值的信息（链接到CURE pyclustering generated documentation）：

# create instance of the algorithm
cure_instance = cure(<algorithm parameters>);

# start processing
cure_instance.process();

# get allocated clusteres
clusters = cure_instance.get_clusters();

# get representative points
representative = cure_instance.get_representors();

您还可以修改 CURE 算法的源代码以在每个步骤之后显示更改，例如，将它们打印到控制台甚至可视化。下面是一个示例，如何修改代码以显示每一步聚类的变化 (after line 219) 其中星表示代表点，小点 - 点本身，大点 - 表示：

# New cluster and updated clusters should relocated in queue
self.__insert_cluster(merged_cluster);
for item in cluster_relocation_requests:
    self.__relocate_cluster(item);
#
# ADD FOLLOWING PEACE OF CODE TO DISPLAY CHANGES ON EACH STEP
#
temp_clusters = [ cure_cluster_unit.indexes for cure_cluster_unit in self.__queue ];
temp_representors = [ cure_cluster_unit.rep for cure_cluster_unit in self.__queue ];
temp_means = [ cure_cluster_unit.mean for cure_cluster_unit in self.__queue ];

visualizer = cluster_visualizer();
visualizer.append_clusters(temp_clusters, self.__pointer_data);

for cluster_index in range(len(temp_clusters)):
    visualizer.append_cluster_attribute(0, cluster_index, temp_representors[cluster_index], '*', 7);
    visualizer.append_cluster_attribute(0, cluster_index, [ temp_means[cluster_index] ], 'o');

visualizer.show();

您将看到一系列图像，如下所示：

因此，您可以显示您需要的任何信息。

另外我想补充一点，您可以使用 C++ 实现的算法进行可视化（这也是 pyclustering 的一部分）：https://github.com/annoviko/pyclustering/blob/master/ccore/src/cluster/cure.cpp

【讨论】：