Python SciPy hierarchy.ward用法及代碼示例

本文簡要介紹 python 語言中 scipy.cluster.hierarchy.ward 的用法。

用法:

scipy.cluster.hierarchy.ward(y)#

在壓縮距離矩陣上執行 Ward 的鏈接。

有關返回結構和算法的更多信息，請參閱 linkage 。

以下是常見的調用約定：

1. Z = ward(y) 在壓縮距離矩陣 y 上執行 Ward 的鏈接。

2. Z = ward(X) 使用歐幾裏得距離作為距離度量，對觀察矩陣 X 執行 Ward 鏈接。

參數 ：：

y： ndarray

一個壓縮的距離矩陣。壓縮距離矩陣是包含距離矩陣的上三角形的平麵陣列。這是pdist 返回的形式。或者，可以將 n 維中的 m 個觀察向量的集合作為 m × n 數組傳遞。

返回 ：：

Z： ndarray

層次聚類編碼為鏈接矩陣。有關返回結構和算法的更多信息，請參閱 linkage 。

例子：

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

首先，我們需要一個玩具數據集來玩：

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]]

然後，我們從這個數據集中得到一個壓縮的距離矩陣：

>>> y = pdist(X)

最後，我們可以執行聚類：

>>> 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.        ]])

鏈接矩陣Z 表示樹狀圖 - 有關其內容的詳細說明，請參閱 scipy.cluster.hierarchy.linkage 。

我們可以使用 scipy.cluster.hierarchy.fcluster 來查看給定距離閾值的每個初始點屬於哪個集群：

>>> 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 可用於生成樹狀圖。