聚类算法 ap 聚类 谱聚类

AP聚类（Affinity Propagation Clustering）是一种基于消息传递 的聚类算法，由Brendan J. Frey和Delbert Dueck于2007年提出。与传统的聚类算法（如K-Means）不同，AP聚类不需要预先指定聚类数量，而是通过数据点之间的相似度自动确定聚类中心和聚类数量。

---

AP聚类的核心思想

1. 相似度矩阵：

   • AP聚类通过一个相似度矩阵 ( S ) 来描述数据点之间的关系。矩阵中的元素 ( s(i, k) ) 表示数据点 ( i ) 与数据点 ( k ) 之间的相似度。
   • 通常，相似度可以定义为数据点之间的负欧氏距离（或其他距离度量），即 ( s(i, k) = -||x_i - x_k||^2 )。

2. 责任矩阵（Responsibility）：

   • 责任矩阵 ( R ) 中的元素 ( r(i, k) ) 表示数据点 ( i ) 向数据点 ( k ) 发送的消息，反映了数据点 ( k ) 作为数据点 ( i ) 的聚类中心的适合程度。

3. 可用性矩阵（Availability）：

   • 可用性矩阵 ( A ) 中的元素 ( a(i, k) ) 表示数据点 ( k ) 向数据点 ( i ) 发送的消息，反映了数据点 ( k ) 作为聚类中心的可用性。

4. 消息传递：

   • AP聚类通过迭代更新责任矩阵和可用性矩阵，直到收敛。最终，每个数据点会被分配到其最适合的聚类中心。

5. 聚类中心：

   • 聚类中心是那些具有较高责任和可用性值的数据点。算法会自动确定聚类中心的数量。

---

AP聚类的优点

1. 无需指定聚类数量 ：
   • 与K-Means等算法不同，AP聚类不需要预先指定聚类数量，而是通过数据点之间的相似度自动确定。
2. 对初始值不敏感 ：
   • AP聚类对初始值的依赖性较低，通常能获得稳定的聚类结果。
3. 适合中小规模数据集 ：
   • AP聚类在处理中小规模数据集时表现良好。

---

AP聚类的缺点

1. 计算复杂度高 ：
   • AP聚类的时间复杂度为 ( O(N^2) )，其中 ( N ) 是数据点的数量。因此，它不适合处理大规模数据集。
2. 对相似度矩阵敏感 ：
   • 聚类结果依赖于相似度矩阵的定义，如果相似度矩阵定义不合理，聚类效果可能较差。

---

Python实现

以下是使用 scikit-learn 实现AP聚类的示例代码：

from sklearn.cluster import AffinityPropagation
import numpy as np

# 示例数据
X = np.array([[1, 2], [1, 4], [1, 0],
              [4, 2], [4, 4], [4, 0]])

# 创建AP聚类模型
af = AffinityPropagation(preference=-50).fit(X)

# 获取聚类结果
cluster_centers_indices = af.cluster_centers_indices_
labels = af.labels_

print("聚类中心索引:", cluster_centers_indices)
print("聚类标签:", labels)

---

参数说明

1. preference ：
   • 控制数据点成为聚类中心的倾向性。值越大，聚类中心越多；值越小，聚类中心越少。默认情况下，preference 为所有相似度的中位数。
2. damping ：
   • 阻尼系数（取值范围为0.5到1），用于控制消息传递的收敛速度。默认值为0.5。
3. max_iter ：
   • 最大迭代次数，默认值为200。

---

总结

AP聚类是一种强大的聚类算法，特别适合中小规模数据集和不需要预先指定聚类数量的场景。然而，它的计算复杂度较高，不适合处理大规模数据。在实际应用中，可以根据数据特点选择合适的聚类算法。

我来给你简单介绍一下 AP 聚类，也叫 Affinity Propagation 聚类（亲和传播聚类）。

1. 什么是 AP 聚类？
   AP 聚类是一种不需要提前指定簇数量的聚类算法。
   和 KMeans 这种算法不同，它通过让数据点互相"发送消息"，自动决定哪些点是簇的中心（即"代表点"或"样本代表"），最后形成不同的簇。

由两位学者 Brendan J. Frey 和 Delbert Dueck 在 2007 年提出。

2. 原理简介
   AP 聚类的核心思想是：

每个点都可以是潜在的聚类中心。

点之间互相传递两种消息：

归属度（Responsibility）：点 i 认为点 k 作为它的簇中心的适合程度。

可用度（Availability）：点 k 认为自己作为点 i 簇中心的适合程度。

算法通过迭代更新这两个值，直到收敛。

3. 特点
   优点

不需要提前指定簇数量。

能自动选择代表点。

对异常值不敏感。

适用于复杂的样本分布。

缺点

时间复杂度较高，一般是 O(N²)，适合中小规模数据。

相似度矩阵要提前计算，内存消耗大。

4. 适用场景
   文本分类

图像处理与图像分割

基因数据聚类

推荐系统

5. Python 简单示例
   你可以用 sklearn 来实现：

python

复制

编辑

from sklearn.cluster import AffinityPropagation

from sklearn import datasets

import matplotlib.pyplot as plt

加载数据

X, y = datasets.make_blobs(random_state=42)

建立模型

ap = AffinityPropagation(random_state=0)

ap.fit(X)

可视化

plt.scatter(X:, 0, X:, 1, c=ap.labels_)

plt.scatter(ap.cluster_centers_:, 0, ap.cluster_centers_:, 1, c='red', marker='x')

plt.title('Affinity Propagation Clustering')

plt.show()

AP（Affinity Propagation）聚类是一种基于"消息传递"（Message Passing）的聚类算法，其核心思想是不需要预先指定簇的数量，而由数据点间的相似度自动决定聚类中心。下面介绍其主要数学推导公式及其含义：

一、基本概念

相似度函数

𝑠

(

𝑖

,

𝑘

)

s(i,k)

表示数据点

𝑖

i 与候选聚类中心

𝑘

k 之间的相似度。

一般来说，常用的定义是负距离：

𝑠

(
𝑖
,
𝑘
)

−

∥

𝑥

𝑖

−

𝑥

𝑘

∥

2

s(i,k)=−∥x

i

​

−x

k

​

∥

2

对于

𝑖

𝑘

i=k（也就是把自己作为中心），还会引入一个偏好值

𝑝

p（preference），该值控制簇的数量。通常，所有数据点的偏好值设为相同值。

责任值

𝑟

(

𝑖

,

𝑘

)

r(i,k)

表示数据点

𝑖

i "认为"数据点

𝑘

k 作为簇中心的合适程度，相当于 i 选择 k 的论据。

可用度

𝑎

(

𝑖

,

𝑘

)

a(i,k)

表示数据点

𝑘

k "适合"被

𝑖

i 选择作为簇中心的支持程度。

注意：两者都是通过"消息"传递机制在所有数据点之间迭代更新的。

二、消息传递更新公式

1. 责任值更新公式
   对于每个数据点
   𝑖
   i 和候选中心
   𝑘
   k，责任值
   𝑟
   (
   𝑖
   ,
   𝑘
   )
   r(i,k) 的更新公式为：

𝑟

(

𝑖

,

𝑘

)

←

𝑠

(

𝑖

,

𝑘

)

−

max

⁡

𝑘

′

≠

𝑘

{

𝑎

(

𝑖

,

𝑘

′

)

𝑠

(

𝑖

,

𝑘

′

)

}

r(i,k)←s(i,k)−

k

′



=k

max

​

{a(i,k

′

)+s(i,k

′

)}

解释：

𝑠

(

𝑖

,

𝑘

)

s(i,k) 表示

𝑖

i 与

𝑘

k 的直接相似度。

max

⁡

𝑘

′

≠

𝑘

{

𝑎

(

𝑖

,

𝑘

′

)

𝑠

(

𝑖

,

𝑘

′

)

}

max

k

′



=k

​

{a(i,k

′

)+s(i,k

′

)} 则是除了

𝑘

k 之外的所有候选中心中，能给予

𝑖

i 的最大支持（可用度加上相似度）。

因此，责任值表示

𝑖

i 与

𝑘

k 的相似度相对于其它候选中心的优势。

2. 可用度更新公式
   对于
   𝑎
   (
   𝑖
   ,
   𝑘
   )
   a(i,k) 的更新分为两种情况：

当

𝑖

≠

𝑘

i



=k（非自引用）时：

𝑎

(

𝑖

,

𝑘

)

←

min

⁡

{

0

,

 

𝑟

(

𝑘

,

𝑘

)

∑

𝑖

′

∉

{

𝑖

,

𝑘

}

max

⁡

(

0

,

 

𝑟

(

𝑖

′

,

𝑘

)

)

}

a(i,k)←min

⎩

⎨

⎧

​

0,r(k,k)+

i

′

∈

/

{i,k}

∑

​

max(0,r(i

′

,k))

⎭

⎬

⎫

​

解释：

𝑟

(

𝑘

,

𝑘

)

r(k,k) 表示候选点

𝑘

k 作为自身作为簇中心的自信程度。

∑

𝑖

′

∉

{

𝑖

,

𝑘

}

max

⁡

(

0

,

 

𝑟

(

𝑖

′

,

𝑘

)

)

∑

i

′

∈

/

{i,k}

​

max(0,r(i

′

,k)) 累计了其他所有数据点对

𝑘

k 的正面反馈（责任值非负部分）。

取两者之和与 0 的较小值，确保当负反馈过大时，可用度不会超过 0，避免对不适合做中心的数据点给予过高可用度。

当

𝑖

𝑘

i=k（自引用）时：

𝑎

(

𝑘

,

𝑘

)

←

∑

𝑖

′

≠

𝑘

max

⁡

(

0

,

 

𝑟

(

𝑖

′

,

𝑘

)

)

a(k,k)←

i

′



=k

∑

​

max(0,r(i

′

,k))

解释：

自可用度是所有其他数据点对

𝑘

k 的正面责任值的累计和，反映了

𝑘

k 作为聚类中心的总体吸引力。

三、算法流程简述

初始化：

通常先将所有责任值

𝑟

(

𝑖

,

𝑘

)

r(i,k) 和可用度

𝑎

(

𝑖

,

𝑘

)

a(i,k) 设置为 0。

消息传递迭代：

交替更新责任值和可用度，反复迭代直到收敛或达到迭代次数上限。

确定聚类中心：

对于每个数据点

𝑖

i，计算

𝑎

(

𝑖

,

𝑘

)

𝑟

(

𝑖

,

𝑘

)

a(i,k)+r(i,k)；令

𝑘

∗

arg

⁡
max
⁡
𝑘
{
𝑎
(
𝑖
,
𝑘
)
+
𝑟
(
𝑖
,
𝑘
)
}
k
∗
=arg
k
max
​
{a(i,k)+r(i,k)}
如果
𝑘
∗

𝑖

k

∗

=i，则数据点

𝑖

i 被选为聚类中心；否则，

𝑖

i 分配到

𝑘

∗

k

∗

对应的簇中。

四、总结

AP 聚类不需要预先指定聚类数，而是基于数据点之间的相似度、责任值和可用度的相互作用来自适应地确定聚类中心和簇的数量。

关键公式为责任值和可用度的更新公式，其中责任值反映了某点认为另一个点适合作为中心的优势，可用度反映了候选点对其他点的吸引力。

迭代更新这些消息，最终就能得到每个数据点对应的聚类分配。

这些公式和流程构成了 AP 聚类的数学基础。希望这个详细讲解对你理解 AP 聚类有所帮助