Python SciPy hierarchy.is_valid_im用法及代码示例

本文简要介绍 python 语言中 scipy.cluster.hierarchy.is_valid_im 的用法。

用法:

scipy.cluster.hierarchy.is_valid_im(R, warning=False, throw=False, name=None)#

如果传递的不一致矩阵有效，则返回 True。

它必须是 \(n\) 乘以 4 个双精度数组。标准差R[:,1] 必须为非负数。链接计数 R[:,2] 必须为正且不大于 \(n-1\) 。

参数 ：：

R： ndarray

用于检查有效性的不一致矩阵。

warning： 布尔型，可选

当为 True 时，如果传递的链接矩阵无效，则发出 Python 警告。

throw： 布尔型，可选

为 True 时，如果传递的链接矩阵无效，则引发 Python 异常。

name： str，可选

该字符串引用无效链接矩阵的变量名。

返回 ：：

b： bool

如果不一致矩阵有效，则为真。

例子：

>>> from scipy.cluster.hierarchy import ward, inconsistent, is_valid_im
>>> from scipy.spatial.distance import pdist

给定数据集 X ，我们可以应用聚类方法来获得链接矩阵 Z 。 scipy.cluster.hierarchy.inconsistent 也可用于获取与此聚类过程相关的不一致矩阵R：

>>> X = [[0, 0], [0, 1], [1, 0],
...      [0, 4], [0, 3], [1, 4],
...      [4, 0], [3, 0], [4, 1],
...      [4, 4], [3, 4], [4, 3]]

>>> Z = ward(pdist(X))
>>> R = inconsistent(Z)
>>> Z
array([[ 0.        ,  1.        ,  1.        ,  2.        ],
       [ 3.        ,  4.        ,  1.        ,  2.        ],
       [ 6.        ,  7.        ,  1.        ,  2.        ],
       [ 9.        , 10.        ,  1.        ,  2.        ],
       [ 2.        , 12.        ,  1.29099445,  3.        ],
       [ 5.        , 13.        ,  1.29099445,  3.        ],
       [ 8.        , 14.        ,  1.29099445,  3.        ],
       [11.        , 15.        ,  1.29099445,  3.        ],
       [16.        , 17.        ,  5.77350269,  6.        ],
       [18.        , 19.        ,  5.77350269,  6.        ],
       [20.        , 21.        ,  8.16496581, 12.        ]])
>>> R
array([[1.        , 0.        , 1.        , 0.        ],
       [1.        , 0.        , 1.        , 0.        ],
       [1.        , 0.        , 1.        , 0.        ],
       [1.        , 0.        , 1.        , 0.        ],
       [1.14549722, 0.20576415, 2.        , 0.70710678],
       [1.14549722, 0.20576415, 2.        , 0.70710678],
       [1.14549722, 0.20576415, 2.        , 0.70710678],
       [1.14549722, 0.20576415, 2.        , 0.70710678],
       [2.78516386, 2.58797734, 3.        , 1.15470054],
       [2.78516386, 2.58797734, 3.        , 1.15470054],
       [6.57065706, 1.38071187, 3.        , 1.15470054]])

现在我们可以使用scipy.cluster.hierarchy.is_valid_im来验证R是否正确：

>>> is_valid_im(R)
True

但是，如果 R 构造错误(例如，标准差之一设置为负值)，则检查将失败：

>>> R[-1,1] = R[-1,1] * -1
>>> is_valid_im(R)
False