7.4 层次 kmeans 聚类
有工业经验表明，重要度高的出料划分生产路线时所起的作用更大，为了体现这一作用，我们尝试了层次kmeans聚类，即按出料的重要度分层次进行kmeans聚类，过程如下：
1. 将所有出料数据X在初始化类心后用kmeans聚成2类，记录下类心。
2. 第1类数据不再参与聚类，对第2类数据用同样的方法聚成2类，并记录类心。
3. 按第2步的方法循环下去，直到类别数达到k或者只剩一个成员不能再聚类。
4. 预测时，每个预测数据Yi先和第1层类心计算距离，属于第1类就记录下来，属于第2类再和下一层的类心计算距离，确定是属于这一层的类别还是继续和下一层类心计算距离，如此循环，直到确认了Yi的类别为止。
SPL例程
| A | B | C | ||
| 1 | [[0.113,0.345,0.316], [0.118,0.314,0.322], [0.125,0.334,0.314], [0.139,0.254,0.371], [0.111,0.361,0.306], [0.179,0.257,0.332]] |
/X | ||
| 2 | [[0.116,0.371,0.307], [0.143,0.324,0.303]] |
/Y | ||
| 3 | =mk=3 | |||
| 4 | =center_seq=[] | |||
| 5 | =xc=A1.(0) | |||
| 6 | =idx_seq=to(A1.len()) | |||
| 7 | =col_seq=to(A1.~.len()) | |||
| 8 | =mstd@s(A1,1).~ | |||
| 9 | for | =A1(idx_seq) | /剩下的数据 | |
| 10 | =transpose(B9)(col_seq) | |||
| 11 | =A8(col_seq).psort@z() | /Sidx | ||
| 12 | =B10(B11) | |||
| 13 | =B12.(~.ranks()) | / RK的转置 | ||
| 14 | =as=to(B13.len()),av_idx=to(B9.len()),B13.((oidx=as\#,pma=(~--msum(B13(oidx),1).~)(av_idx).pmax(),res=av_idx(pma),av_idx.delete(pma),res)) | /Cb索引 | ||
| 15 | =B9(B14.select(~)) | /Cb’ | ||
| 16 | =B15.to(2) | /初始化类心C | ||
| 17 | =k_means(B9,2,300,B16) | |||
| 18 | =B17(1) | |||
| 19 | =B17(2) | |||
| 20 | =B19.run(~=~+A9-1) | |||
| 21 | =B20.group@p(~) | |||
| 22 | =B21(1) | |||
| 23 | =B21(2) | |||
| 24 | =idx_seq(B22) | |||
| 25 | =idx_seq(B23) | |||
| 26 | =xc(B24)=B20(B22) | |||
| 27 | =idx_seq=B25 | |||
| 28 | =col_seq(B11.~) | |||
| 29 | =col_seq=col_seq\B28 | |||
| 30 | =center_seq.insert(0,[B18]) | |||
| 31 | if idx_seq.len()==1||A9==mk-1 | =xc(B25)=B20(B23) | ||
| 32 | break | |||
| 33 | =center_seq | /类心集合 | ||
| 34 | =yc=[] | |||
| 35 | =A33.len() | |||
| 36 | for A2 | for A33 | =B36.pmin(dis(~,A36)) | |
| 37 | =#B36 | |||
| 38 | =C36+C37-1 | |||
| 39 | if C36==1||C37==A35 | =A34.insert(0,C38) | ||
| 40 | next A36 | |||
| 41 | return [center_seq,xc,yc] | |||
计算结果示例：
收率数据X：
聚类数k=3。
预测数据Y：
第一层聚类类心C1:
第二层聚类类心C2:
X各成员所属类别Xc：
Y所属类别Yc：
例程中的数据比较少，第2层聚类后，用来聚类的数据就只剩1个，无法继续分层了，所以即使把类别数k改成4甚至更大，聚类的结果还是只有3类。这是层次kmeans算法决定的，所以当需要聚成确定数量的离别时，还是要使用之前介绍的初始化类心的kmeans算法。
