问题标签 [hierarchical-clustering]

我有一些使用 Neo4j 保存的图形数据库（朋友网络、购买历史等）。我计划使用Girvan Newman等社区检测算法来分析这些。这些算法通常返回一个树状图，表示图从整个网络到各个节点的划分。我想知道如何坚持这些结果。我想它可以存储为单独的图表，但是有没有办法将它存储在图表本身中？我这样做的担心是需要创建节点来表示组，这是我想避免的。

我正在使用 Matlab clusterdata 函数将我的数据（噪声和非噪声）分为两类：噪声组和非噪声组。该函数运行良好，只是有时它将所有噪声数据命名为组 1，将所有非噪声数据命名为组 2。有时它将所有噪声数据命名为组 2，将所有非噪声数据命名为组 1。

我该如何控制它？我的意思是将所有噪声数据标记为第 1 组。

我有一个大小为 20 x 300 的二进制矩阵。我想将 20 个变量聚集成五六组。到目前为止，我在 matlab 中使用了具有不同距离度量的 kmeans 和层次聚类算法，但两者都给了我不重叠的聚类。我从我的数据中看到，一些变量应该位于多个组中。有谁知道是否有办法在matlab ot R中进行重叠集群？任何帮助是极大的赞赏。提前致谢！

谁能给我指出一个可以聚类约 100 万个对象的层次聚类工具（最好在 python 中）？我试过了hcluster，还有Orange。

hcluster18k 个对象有问题。Orange 能够在几秒钟内聚集 18k 个对象，但以 100k 个对象失败（内存饱和并最终崩溃）。

我在 Ubuntu 11.10 上运行 64 位 Xeon CPU (2.53GHz) 和 8GB RAM + 3GB 交换。

我正在使用 SciPy 的分层凝聚聚类方法来聚类特征的 amxn 矩阵，但是在聚类完成后，我似乎无法弄清楚如何从生成的聚类中获取质心。下面是我的代码：

我正在使用我的特征矩阵，计算它们之间的欧几里德距离，然后将它们传递给层次聚类方法。从那里，我正在创建平面集群，最多 100 个集群

现在，基于平面簇 T，我如何获得代表每个平面簇的 1 xn 质心？

我的 R 程序如下：

我的输入是一个距离矩阵（当然是对称的）。当我使用大于大约数千条记录的距离矩阵执行上述程序时（数百条记录都没有发生），它给了我错误消息：

我的机器有大约 16GB 的 RAM 和 4CPU，所以不会是资源问题。

任何人都可以让我知道有什么问题吗？谢谢！！

我编写了一个简单的脚本，旨在对一个简单的测试数据集进行层次聚类。

我发现函数fclusterdata可以将我的数据聚集到两个集群中。它需要两个强制调用参数：数据集和阈值。问题是，我找不到可以产生预期的两个集群的阈值。

如果有人能告诉我我做错了什么，我会很高兴。如果有人能指出更适合我的集群的其他方法，我也会很高兴（我明确希望避免事先指定集群的数量。）

这是我的代码：

这是输出：

如何用 R 中的替换置换矩阵的列？我找到了一个名为 rmperm {sna} 的函数，但它同时置换了列和行，而我只想置换我的列。

编辑：我必须对矩阵进行 1000 次置换，然后进行层次聚类，这样我就有了 1000 次随机化后的最终树。

非常感谢。

我正在尝试置换（仅按列）我的数据矩阵 1000 次，然后在“R”中进行层次聚类，因此在 1000 次随机化后我的数据上有最终的树。这就是我迷路的地方。我有这个循环

我不确定最终的树是 1000 次随机化之后的产物，还是只是它在循环中计算的最后一棵树。另外，如果我想在树上显示引导值，我应该怎么做？

非常感谢！！

测试聚类算法的最佳方法是什么？我正在使用带有停止标准的凝聚聚类算法。如何测试集群是否正确形成？