Klastrowanie z propagacją powinowactwa od podstaw

Wykorzystujemy rodzaj algorytmu klasteryzacji, w którym kompletne dane są postrzegane jako sieć, a każdy punkt danych jest węzłem w sieci.

Cały algorytm opiera się na iteracyjnym znajdowaniu, jak dobrze jeden punkt nadaje się do bycia reprezentantem innego punktu (tj, jak bardzo dany punkt nadaje się do bycia wzorcem dla innego punktu poprzez zdobywanie informacji o innych potencjalnych reprezentantach w danych) i sprawdzaniu adekwatności punktu do znalezienia własnego reprezentanta na podstawie wsparcia uzyskanego od innych punktów

Metodę omówimy od podstaw i zbudujemy własną implementację propagacji powinowactwa w oparciu o algorytm i dane podane w pracy

Github Repozytorium kodu do wyjaśnienia poniżej :- https://github.com/Darkprogrammerpb/DeepLearningProjects/tree/master/Project38/Affinity%20Propagation

1. Clustering by Passing Messages Between Data Points
2. Affinity Propagation:- A clustering algorithm for computer assisted business simulations and experiential exercises
3. Sklearn dokumentacja i źródło

.