Python SciPy hierarchy.weighted用法及代碼示例

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

用法:

scipy.cluster.hierarchy.weighted(y)#

對壓縮距離矩陣執行加權/WPGMA 鏈接。

有關返回結構和算法的更多信息，請參閱 linkage 。

參數 ：：

y： ndarray

距離矩陣的上三角。 pdist 的結果以這種形式返回。

返回 ：：

Z： ndarray

包含層次聚類的鏈接矩陣。有關其結構的更多信息，請參閱 linkage 。

例子：

>>> from scipy.cluster.hierarchy import weighted, 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 = weighted(y)
>>> Z
array([[ 0.        ,  1.        ,  1.        ,  2.        ],
       [ 6.        ,  7.        ,  1.        ,  2.        ],
       [ 3.        ,  4.        ,  1.        ,  2.        ],
       [ 9.        , 11.        ,  1.        ,  2.        ],
       [ 2.        , 12.        ,  1.20710678,  3.        ],
       [ 8.        , 13.        ,  1.20710678,  3.        ],
       [ 5.        , 14.        ,  1.20710678,  3.        ],
       [10.        , 15.        ,  1.20710678,  3.        ],
       [18.        , 19.        ,  3.05595762,  6.        ],
       [16.        , 17.        ,  3.32379407,  6.        ],
       [20.        , 21.        ,  4.06357713, 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([ 7,  8,  9,  1,  2,  3, 10, 11, 12,  4,  6,  5], dtype=int32)
>>> fcluster(Z, 1.5, criterion='distance')
array([3, 3, 3, 1, 1, 1, 4, 4, 4, 2, 2, 2], dtype=int32)
>>> fcluster(Z, 4, criterion='distance')
array([2, 2, 2, 1, 1, 1, 2, 2, 2, 1, 1, 1], dtype=int32)
>>> fcluster(Z, 6, 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。