【Python实例第18讲】affinity propagation聚类算法

机器学习训练营——机器学习爱好者的自由交流空间（入群联系qq：2279055353）

在统计和数据挖掘里，affinity propagation(AP)是一种基于数据点之间的“信息传递”的聚类算法。与k-means等其它聚类算法不同的是，AP不需要在聚类前确定或估计类的个数。类似于k-medoids, AP需要寻找原型(exemplars), 即，代表类的输入集里的成员。AP算法广泛应用于计算机视觉和计算生物学领域。

算法描述

设 x 1 , x 2 , … , x n x_1, x_2, dots, x_n x1​,x2​,…,xn​ 组成数据点集合，这里并不需要假设数据集的结构。令 s s s 是一个量化任何两点相似度的函数。对任意 x i x_i xi​, s ( x i , x j ) > s ( x i , x k ) s(x_i, x_j)>s(x_i, x_k) s(xi​,xj​)>s(xi​,xk​), 当且仅当
x i x_i xi​ 与 x j x_j