谱聚类(Spectal
Clustering)算法是聚类算法的一种，比起传统的K-Means聚类算法，谱聚类算法的效果更优秀，其计算量也小很多，除了谱聚类和K-Means聚类算法，另外还有密度聚类和层次聚类算法，本节主要讨论谱聚类算法，预备知识：最好有K-Means聚类算法的基础。
谱聚类是一种不断发展的聚类算法，在很多情况下都优于传统的聚类算法，它将每个数据点视为一个图节点，从而将聚类问题转化为图分区的问题，一个典型的谱聚类的实现包括以下三个基本步骤：
建立相似度图：该步骤以邻接矩阵的形式建立相似度图，邻接矩阵用A表示：
邻域图：一个参数事先是固定的，然后每个点都与半径内的所有点相连。如果任意两点之间的距离在比例上是相似的，则通常不存储边缘的权值(即两点之间的距离)，因为它们不提供任何附加信息。因此，在本例中，构建的图是一个无向的、未加权的图。
K临近算法：参数k事先是固定的，接下来的两个顶点u和v,优势是直接从u v只有再邻居u。请注意,这导致的形成加权有向图,因为它并非总是如此,对于每个u v再邻近之一,它将是相同的理由再邻近之间的v在u。要使此图无向，可以采用以下方法之一:-
如果v在u的k近邻中，或者u在v的k近邻中，则将一条边从u指向v，并从v指向u。
如果v在u的k近邻中，且u在v的k近邻中，则将一条边从u指向v，从v指向u。
全连通图：要构建这个图，每个点都与一个无向边连接，边权值由两个点到另一个点的距离决定。由于该方法用于建立局部邻域关系的模型，因此通常使用
如果觉得《python谱聚类算法_Python机器学习高级算法！谱聚类（Spectal Clustering）算法分析和实例详解...》对你有帮助，请点赞、收藏，并留下你的观点哦！
