摘要：
最近，当我在做图像时，突然有一个想法需要集群。事实上，算法非常简单，但当时非常紧迫。直接使用Scipy集群。事实上，它很容易使用，但中文的文章很少，所以我将简要介绍一下。相关方也可以自行查看英文文档：http://docs.scipy.org/doc/scipy/reference/cluster.html 。
近期做图像的时候，突然有个idea，须要进行聚类，事实上算法非常easy，可是当时非常急。就直接使用了scipy的cluster。
使用起来事实上非常easy，可是中文的文章非常少，所以就简单的介绍一下。感兴趣的也能够自己去看一下英文的文档：http://docs.scipy.org/doc/scipy/reference/cluster.html。
这是我从stackoverflow看到的一个demo。假设仅仅是简单的使用cluster。这样就能够了。
import scipy
import scipy.cluster.hierarchy as sch
import matplotlib.pylab as plt
scipy.randn(100,2)
d = sch.distance.pdist(X)
Z= sch.linkage(d,method='complete')
P =sch.dendrogram(Z)
plt.savefig('plot_dendrogram.png')
T = sch.fcluster(Z, 0.5*d.max(), 'distance')
#array([4, 5, 3, 2, 2, 3, 5, 2, 2, 5, 2, 2, 2, 3, 2, 3, 2, 5, 4, 5, 2, 5, 2,
# 3, 3, 3, 1, 3, 4, 2, 2, 4, 2, 4, 3, 3, 2, 5, 5, 5, 3, 2, 2, 2, 5, 4,
# 2, 4, 2, 2, 5, 5, 1, 2, 3, 2, 2, 5, 4, 2, 5, 4, 3, 5, 4, 4, 2, 2, 2,
# 4, 2, 5, 2, 2, 3, 3, 2, 4, 5, 3, 4, 4, 2, 1, 5, 4, 2, 2, 5, 5, 2, 2,
# 5, 5, 5, 4, 3, 3, 2, 4], dtype=int32)
sch.leaders(Z,T)假设想要了解很多其它一些的话，能够參考 http://nbviewer.ipython.org/github/herrfz/dataanalysis/blob/master/week4/clustering_example.ipynb
这篇文章事实上写的已经很棒了。尽管文件我没有可以成功down下来。