我已经编写了自己的聚类例程，并希望生成树状图。最简单的方法是使用 scipy dendrogram 函数。但是，这要求输入与 scipy 链接函数产生的格式相同。我找不到如何格式化输出的示例。我想知道是否有人可以启发我。
问问题
33496 次
5 回答
48
我同意https://stackoverflow.com/users/1167475/mortonjt文档没有完全解释中间集群的索引，而我同意https://stackoverflow.com/users/1354844/dkar格式在其他方面进行了精确解释。
使用来自此问题的示例数据：scipy.cluster.hierarchy 教程
A = np.array([[0.1, 2.5],
[1.5, .4 ],
[0.3, 1 ],
[1 , .8 ],
[0.5, 0 ],
[0 , 0.5],
[0.5, 0.5],
[2.7, 2 ],
[2.2, 3.1],
[3 , 2 ],
[3.2, 1.3]])
可以使用单个（即最接近的匹配点）构建链接矩阵：
z = hac.linkage(a, method="single")
array([[ 7. , 9. , 0.3 , 2. ],
[ 4. , 6. , 0.5 , 2. ],
[ 5. , 12. , 0.5 , 3. ],
[ 2. , 13. , 0.53851648, 4. ],
[ 3. , 14. , 0.58309519, 5. ],
[ 1. , 15. , 0.64031242, 6. ],
[ 10. , 11. , 0.72801099, 3. ],
[ 8. , 17. , 1.2083046 , 4. ],
[ 0. , 16. , 1.5132746 , 7. ],
[ 18. , 19. , 1.92353841, 11. ]])
正如文档解释的那样，n 以下的集群（这里：11）只是原始矩阵 A 中的数据点。接下来的中间集群被连续索引。
因此，集群 7 和 9（第一次合并）合并到集群 11，集群 4 和 6 合并到 12。然后观察第三行，合并集群 5（来自 A）和 12（来自未显示的中间集群 12）导致0.5 的簇内距离 (WCD)。单一方法需要新的 WCS 为 0.5，即 A[5] 与簇 12 中最近点 A[4] 和 A[6] 之间的距离。让我们检查：
In [198]: norm([a[5]-a[4]])
Out[198]: 0.70710678118654757
In [199]: norm([a[5]-a[6]])
Out[199]: 0.5
该集群现在应该是中间集群 13，随后与 A[2] 合并。因此，新的距离应该是点 A[2] 和 A[4,5,6] 之间最近的距离。
In [200]: norm([a[2]-a[4]])
Out[200]: 1.019803902718557
In [201]: norm([a[2]-a[5]])
Out[201]: 0.58309518948452999
In [202]: norm([a[2]-a[6]])
Out[202]: 0.53851648071345048
可以看出，其中还检查并解释了新集群的中间格式。
于 2016-12-05T21:23:58.613 回答
41
这来自scipy.cluster.hierarchy.linkage()函数文档，我认为这是对输出格式的非常清晰的描述：
返回A ( n -1) x 4 矩阵 Z。在第i次迭代中，索引为 Z[i, 0] 和 Z[i, 1] 的集群组合在一起形成集群n + i。索引小于n的集群对应于原始观测值之一。簇 Z[i, 0] 和 Z[i, 1] 之间的距离由 Z[i, 2] 给出。第四个值 Z[i, 3] 表示新形成的聚类中原始观测值的数量。
你还需要什么吗？
于 2012-06-08T21:33:20.540 回答
12
正如 dkar 指出的那样，scipy 文档是准确的……但是将返回的数据转换为可用于进一步分析的数据有点困难。
在我看来，它们应该包括以树状数据结构返回数据的能力。下面的代码将遍历矩阵并构建一棵树：
from scipy.cluster.hierarchy import linkage
import numpy as np
a = np.random.multivariate_normal([10, 0], [[3, 1], [1, 4]], size=[100,])
b = np.random.multivariate_normal([0, 20], [[3, 1], [1, 4]], size=[50,])
centers = np.concatenate((a, b),)
def create_tree(centers):
clusters = {}
to_merge = linkage(centers, method='single')
for i, merge in enumerate(to_merge):
if merge[0] <= len(to_merge):
# if it is an original point read it from the centers array
a = centers[int(merge[0]) - 1]
else:
# other wise read the cluster that has been created
a = clusters[int(merge[0])]
if merge[1] <= len(to_merge):
b = centers[int(merge[1]) - 1]
else:
b = clusters[int(merge[1])]
# the clusters are 1-indexed by scipy
clusters[1 + i + len(to_merge)] = {
'children' : [a, b]
}
# ^ you could optionally store other info here (e.g distances)
return clusters
print create_tree(centers)
于 2017-01-20T06:25:03.347 回答
0
这是另一段执行相同功能的代码。这个版本跟踪每个集群（node_id）的距离（大小），并确认成员的数量。
这使用了 scipy links() 函数，该函数与聚合器集群的基础相同。
from scipy.cluster.hierarchy import linkage
import copy
Z = linkage(data_x, 'ward')
n_points = data_x.shape[0]
clusters = [dict(node_id=i, left=i, right=i, members=[i], distance=0, log_distance=0, n_members=1) for i in range(n_points)]
for z_i in range(Z.shape[0]):
row = Z[z_i]
cluster = dict(node_id=z_i + n_points, left=int(row[0]), right=int(row[1]), members=[], log_distance=np.log(row[2]), distance=row[2], n_members=int(row[3]))
cluster["members"].extend(copy.deepcopy(members[cluster["left"]]))
cluster["members"].extend(copy.deepcopy(members[cluster["right"]]))
clusters.append(cluster)
on_split = {c["node_id"]: [c["left"], c["right"]] for c in clusters}
up_merge = {c["left"]: {"into": c["node_id"], "with": c["right"]} for c in clusters}
up_merge.update({c["right"]: {"into": c["node_id"], "with": c["left"]} for c in clusters})
于 2019-02-10T17:07:31.730 回答