Python 字符串聚类算法-制导

我试图根据jaro距离给出的相似性对一组字符串进行聚类。我是用python中的水母来计算的。我一直在努力找出如何对数据进行集群。我不是集群方面的专家，这是我第一次尝试找出如何做到这一点

目前，我已经写了一些我认为近似于我理解的单通道分区方法的东西，如下所示：

使第一个字符串成为第一个群集的cnetroid

对于下一个字符串，使用Jaro距离计算与该质心的相似性

如果它们足够相似，则将该字符串添加到簇中，否则使用该字符串以其作为质心启动新簇

重复此操作，直到没有字符串可供计算

我想要任何关于我的代码的提示，但更重要的是，如果有人知道更好的方法来做这件事。我读过关于k-means的书，但我不知道如何指定k（更不用说如何实际实现了）。如果你真的决定提供建议，用外行的语言表达出来，告诉你在哪里可以找到指导，这将是非常有益的。谢谢

关于代码的一些注释。 1.我洗牌列表，因为起点是任意的 2.如果一个匹配的分数比前一个匹配的分数高，我会更新质心-这对于集群的第一个字符串是任意的，但这是试图获得“最真实”的字符串作为集群质心

提前感谢您的指导

def SLINK(SList):
    shuffle(SList)
    Clusters = []
    Centroid = []
    Scores = []
    for string in SList:
    Matched = 0

    if len(Clusters) == 0:
        Clusters.append([string])
        Centroid.append([string])
        Scores.append([])
        continue

    for ClustNum in xrange(len(Clusters)):
        Dist = jf.jaro_distance(string, Centroid[ClustNum][0])

        if Dist > 0.8:
            Clusters[ClustNum].append(string)

            if len(Scores[ClustNum]) == 0:
                Scores[ClustNum].append(Dist)
            else:
                if Dist > Scores[ClustNum]:
                    Scores[ClustNum][0] = Dist
                    Centroid[ClustNum][0] = string

            Matched = 1
            break

    if Matched ==0:       
        Clusters.append([string])
        Centroid.append([string])
        Scores.append([])

return Clusters

---

如果您的问题只是关于集群的，我建议您寻找一个比现有版本更直观、更易于实现的版本。具体来说，FLAME聚类算法对如何在上实现该算法进行了精彩的解释

您的现有代码有问题吗？如果是这样的话，你能详细说明一下吗？事实上，它似乎很管用！我只是发布它来促进讨论，我想，以显示我是如何处理这个问题的。我想我是在寻找方法建议。你可能会感兴趣的是，哪种方法通常更适合于有效的代码，你会对一般的反馈感兴趣。啊，很酷，我从来没有听说过。谢天谢地，我以为我是在追求最简单的技术。谢谢你的提示，我会调查的。