Python SciPy hierarchy.ward用法及代码示例

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

用法:

scipy.cluster.hierarchy.ward(y)#

在压缩距离矩阵上执行 Ward 的链接。

有关返回结构和算法的更多信息，请参阅 linkage 。

以下是常见的调用约定：

1. Z = ward(y) 在压缩距离矩阵 y 上执行 Ward 的链接。

2. Z = ward(X) 使用欧几里得距离作为距离度量，对观察矩阵 X 执行 Ward 链接。

参数 ：：

y： ndarray

一个压缩的距离矩阵。压缩距离矩阵是包含距离矩阵的上三角形的平面阵列。这是pdist 返回的形式。或者，可以将 n 维中的 m 个观察向量的集合作为 m × n 数组传递。

返回 ：：

Z： ndarray

层次聚类编码为链接矩阵。有关返回结构和算法的更多信息，请参阅 linkage 。

例子：

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

首先，我们需要一个玩具数据集来玩：

x x    x x
x        x

x        x
x x    x x

>>> 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]]

然后，我们从这个数据集中得到一个压缩的距离矩阵：

>>> y = pdist(X)

最后，我们可以执行聚类：

>>> Z = ward(y)
>>> 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.        ]])

链接矩阵Z 表示树状图 - 有关其内容的详细说明，请参阅 scipy.cluster.hierarchy.linkage 。

我们可以使用 scipy.cluster.hierarchy.fcluster 来查看给定距离阈值的每个初始点属于哪个集群：

>>> fcluster(Z, 0.9, criterion='distance')
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12], dtype=int32)
>>> fcluster(Z, 1.1, criterion='distance')
array([1, 1, 2, 3, 3, 4, 5, 5, 6, 7, 7, 8], dtype=int32)
>>> fcluster(Z, 3, criterion='distance')
array([1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4], dtype=int32)
>>> fcluster(Z, 9, criterion='distance')
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1], dtype=int32)

此外， scipy.cluster.hierarchy.dendrogram 可用于生成树状图。