谱聚类(spectral clustering) python可视化实现
，这个就能得到一个对称的相似性矩阵了。
第二步很简单，算出每个节点的度数，得到度矩阵D。
得到拉普拉斯矩阵L=D−W， 。
获得拉普拉斯矩阵L的特征矩阵，这个用内置函数就好。
获得特征矩阵之后，我们使用kmeans方法来对特征矩阵进行一个聚类，每个特征向量是特征矩阵的列，而每行当成一个聚类样本。这样一聚类就是最终的成果了。为了图方便，我这里直接使用sklearn中的KMeans函数来调用：
好了，到这里基本就大功告成了，分类基本已经完成了，最后来一波可视化，看看我们的实验结果，因为谱聚类能对球形数据进行聚类，所以我们直接来试试球形数据集：