AP简介

亲和力传播算法无需指定聚类的结果，使用的是AffinityPropagation，详情请参考：https://www.cnblogs.com/lc1217/p/6908031.html

算法优缺点

AP算法的优点：

1. 不需要制定最终聚类族的个数
2. 族中心点是已有的数据点，并不会额外出现新的数据点
3. 其结果的平方差误差较小。

AP算法的不足：

1. AP算法的时间复杂度较高，一次迭代大概O(N3)
2. 调参的结果（阻尼系数）对结果影响巨大

AP算例

from numpy import unique
from sklearn.cluster import AffinityPropagation
import numpy as np
from sklearn.preprocessing import StandardScaler

# 定义数据集
X = np.random.random((500, 4))
X = StandardScaler().fit_transform(X)
# 定义模型
model = AffinityPropagation(damping=0.5) # 设置damping : 阻尼系数，取值[0.5,1)
# 匹配模型
model.fit(X)
yhat = model.predict(X)  # yhat为集群结果
clusters = len(unique(yhat))  # 类别