聚类集成方法python实现（基于相似度、基于重标记法）

一、写此篇的背景

有个同学给我两篇论文
《基于聚类集成的特征选择方法研究_李玥》
《基于基聚类器对齐的聚类集成方法研究_杨康》，
基于相似度的方法跟他讲了一遍他自己复现好了，但是他觉得他的数据集有几万条，时间和空间复杂度太高，就让我帮他实现一下重标记法

二、基于重标记法聚类集成的原理与实现

原理参见这篇写的很好的博文《学习笔记2-聚类集成方法》
这里实现的的是其中的7.4.2硬标记对应法

import numpy as np
from copy import deepcopy
import pandas as pd

# 假设聚成3类
K = 3
# 样本量为7条
sample_nums = 7
model1 = np.array([1,1,2,2,3,3,1])
# 方便后面用下标去等价类别，这里让类别也从0开始，后面操作同义
model1 -= 1

model2 = np.array([2,2,3,3,1,1,2]) - 1
model3 = np.array([1,1,2,2,2,3,3]) - 1
model4 = np.array([2,3,3,2,2,1,1]) - 1

model_to_do_list = [model2, model3, model4]     # 作为原数据

model_done_list = deepcopy(model_to_do_list)    # 作为改动数据，这里使用deepcopy深层复制一份，防止干扰原数据

# 创建一个种类数*种类数的矩阵O_mat
O_mat = np.zeros((K, K))
model_i = model1    	# 这里定死model_i就是model1

for model_idx in range(len(model_to_do_list)):
    # model_to_do_list[model_idx]就是model_j原模型数据
    # 在原模型数据上遍历，用于记录model_i的 第i_cls类 与model_j的第j_cls类的共同样本数
    # 对于模型i的种类遍历
    for i_cls in range(K):   # 注意range是 [) 左闭右开
        # 对于模型j的种类遍历
        for j_cls in range(K):
            # 取模型i属于第i_cls类的样本下标的集合,flatten将数据打平（可以不打平看看是什么结果）
            model1_set = set(np.argwhere(model_i==i_cls).flatten()) # {0,1}
            # 取模型i属于第i_cls类的样本下标的集合
            model2_set = set(np.argwhere(model_to_do_list[model_idx]==j_cls).flatten()) # {1}
            # 对集合取交集则为共同样本，取长度则为共同样本数
            O_mat[i_cls][j_cls] = len(model1_set & model2_set)      # 交集{1}, 长度为1

    print(f"初始O_mat = \n{O_mat}")

    # 当O_mat不是∅空集时，一直循环进行重标记
    while (O_mat == np.zeros((K, K))).sum() != K*K:
        # 获取O_mat中最大的值的坐标
        u, v = np.unravel_index(np.argmax(O_mat), O_mat.shape)

        print(f"O_mat = \n{O_mat}\n, 现在的argmax坐标为(u,v)=({u},{v})")

        # 将模型j的第j_cls类（即v）改为第i_cls类（即u）
        #   先从原模型数据中得到要修改的索引
        to_modify_idx = np.argwhere(model_to_do_list[model_idx]==v)
        #   修改改动模型数据的对应索引
        model_done_list[model_idx][to_modify_idx] = u

        # 第u行和第v列都删除，不用再找了，记为0即可
        O_mat[u] = 0
        O_mat[:, v] = 0

# 转为pandas的dataframe
bagging_mat = pd.DataFrame(data=np.array([model1, *model_done_list]))
# 取每列的众数作为投票结果
classify_group = bagging_mat.mode().values[0]

print(classify_group)

参考：
Numpy中返回下标操作函数

TODO：留个坑，有时间把基于相似度的实现掉