集成群集的简易界面
flexible-clustering-tree的Python项目详细描述
柔性聚类树< BR/><*BR/> BR/>在**聚类**任务的上下文中，'''灵活聚类树''BR/>提供了*****和**可控**聚类框架。
BR/>图：：https://user images.githubusercontent.com/1772712/47308081-9980cd00-d66b-11e8-98c0-a275db021cd7.gif
：alt:
background
===
假设您有大量数据。您希望尽可能容易地观察到数据。
分层聚类是查看聚类树的一种方法但是，
层次聚类往往会陷入局部优化。
因此，您需要其他聚类方法。但同时，你想用树结构风格来观察数据。
BR/>这里，“灵活的聚类树”可以让你从数据
到树查看器（D3）的简单方法
BR/>你可以设置任何类型的聚类算法，如KMead，DbSCAN，
谱聚类。
多特征多聚类
在生成树时，您可能需要使用各种聚类
算法。例如，将kmeans用于树的第一个后一层，将dbscan用于树的第二层。
，还可以根据树的层使用各种类型的特征。例如，在文档聚类的上下文中，第一层是新闻标题，第二层是全文。
word2vec
模型。
-第二层（蓝色高亮）用kmeans完成，特征是稀疏的全文向量（bow）。
…图：：http://用户图像.GithuBuffelCyp.com／1772712 /47 308468ABAF3B00 -D66 C-11E89A0826FACC9E80E.PNG
：ALT:BR/>
两种都有可能的“灵活聚类树”！
贡献
==
-从数据（特征矩阵）到树查看器的简单界面（scikit学习方式）
-可以使各种聚类算法集成
-可以设置各种特征类型
如何使用？
==
…代码：：Python BR/> BR/>从FixiLuxCultStutyType导入特征MasReXObjor，多特征MyRIXObjultBR/>从FixiLuxCultStutyJoin导入聚类运算符，多个LUBLUTION运算符BR/>从FuffiLeLuxCultGuang-Type导入FuffiLeCultBys
BR/>集合特征矩阵< BR/> FyObj1＝TrimeMatrix对象（0，rand（500，600））
f_obj_2nd=FeatureMatrixObject（1，numpy.random.rand（500，300））
f_obj_3rd=FeatureMatrixObject（2，numpy.ran随机rand（500，50））
f_obj_3rd=FeatureMatrixObject（2，numpy.rand.rand（500，50））
dict_indexx2标签{i:“label-{}”，format（i）i）i i i i i i i in ranranranranrange（0，500）}
br/>multi_feature matrix=MultiFeatureMatrixObject=multi第二个目标f_obj戋u 3rd]，
dict戋u index2label=dict戋u index2label
第5（））<（=），运行的是灵活的集群，< = >（= 3），multi_clustering）
html=clustering_runner.clustering_tree.to_html（）
代码：：bash
BR/> PIP安装柔性树> BR/> BR/>或关闭此存储库
BR/>。代码：：bash
这里有一个简单的
过程，
1。建立docker镜像
2。启动docker容器
3在容器中运行测试。代码：：BASH
$CD测试：$DOCK组合构建< BR/> $DOCKER组成
$DOCKER运行-名称测试容器-V'PWD'：/代码/灵活的聚类树/-DT TestsS.DevEnV.BR/> $DOCKER Excel -IT测试容器Python /代码/灵活的聚类树/Stupp.Py测试
BR/>如果您使用pyTrimy专业版，您可以调用一个
docker compose文件作为Python解释器。
BR/>图：：https://user images.githubusercontent.com/1772712/47308081-9980cd00-d66b-11e8-98c0-a275db021cd7.gif
：alt:
background
===
假设您有大量数据。您希望尽可能容易地观察到数据。
分层聚类是查看聚类树的一种方法但是，
层次聚类往往会陷入局部优化。
因此，您需要其他聚类方法。但同时，你想用树结构风格来观察数据。
BR/>这里，“灵活的聚类树”可以让你从数据
到树查看器（D3）的简单方法
BR/>你可以设置任何类型的聚类算法，如KMead，DbSCAN，
谱聚类。
多特征多聚类
在生成树时，您可能需要使用各种聚类
算法。例如，将kmeans用于树的第一个后一层，将dbscan用于树的第二层。
，还可以根据树的层使用各种类型的特征。例如，在文档聚类的上下文中，第一层是新闻标题，第二层是全文。
word2vec
模型。
-第二层（蓝色高亮）用kmeans完成，特征是稀疏的全文向量（bow）。
…图：：http://用户图像.GithuBuffelCyp.com／1772712 /47 308468ABAF3B00 -D66 C-11E89A0826FACC9E80E.PNG
：ALT:BR/>
两种都有可能的“灵活聚类树”！
贡献
==
-从数据（特征矩阵）到树查看器的简单界面（scikit学习方式）
-可以使各种聚类算法集成
-可以设置各种特征类型
如何使用？
==
…代码：：Python BR/> BR/>从FixiLuxCultStutyType导入特征MasReXObjor，多特征MyRIXObjultBR/>从FixiLuxCultStutyJoin导入聚类运算符，多个LUBLUTION运算符BR/>从FuffiLeLuxCultGuang-Type导入FuffiLeCultBys
BR/>集合特征矩阵< BR/> FyObj1＝TrimeMatrix对象（0，rand（500，600））
f_obj_2nd=FeatureMatrixObject（1，numpy.random.rand（500，300））
f_obj_3rd=FeatureMatrixObject（2，numpy.ran随机rand（500，50））
f_obj_3rd=FeatureMatrixObject（2，numpy.rand.rand（500，50））
dict_indexx2标签{i:“label-{}”，format（i）i）i i i i i i i in ranranranranrange（0，500）}
br/>multi_feature matrix=MultiFeatureMatrixObject=multi第二个目标f_obj戋u 3rd]，
dict戋u index2label=dict戋u index2label
第5（））<（=），运行的是灵活的集群，< = >（= 3），multi_clustering）
html=clustering_runner.clustering_tree.to_html（）
代码：：bash
BR/> PIP安装柔性树> BR/> BR/>或关闭此存储库
BR/>。代码：：bash
这里有一个简单的
过程，
1。建立docker镜像
2。启动docker容器
3在容器中运行测试。代码：：BASH
$CD测试：$DOCK组合构建< BR/> $DOCKER组成
$DOCKER运行-名称测试容器-V'PWD'：/代码/灵活的聚类树/-DT TestsS.DevEnV.BR/> $DOCKER Excel -IT测试容器Python /代码/灵活的聚类树/Stupp.Py测试
BR/>如果您使用pyTrimy专业版，您可以调用一个
docker compose文件作为Python解释器。
欢迎加入QQ群-->： 979659372
