使用SciPy如何获得k =的聚类？进行分层聚类

Question

所以我使用快速集群与SciPy进行凝聚聚类。我可以dendrogram来获取聚类的树形图。我可以fcluster(Z, sqrt(D.max()), 'distance')为我的数据获得一个非常好的聚类。如果我想手动检查树形图中的区域，例如k = 3（簇），然后我想检查k = 6（簇），该怎么办？如何在树形图的特定级别获得聚类？

我看到所有这些函数都有公差，但我不明白如何从容差转换为集群数。我可以通过链接（Z）手动构建聚类，并逐步拼凑聚类，但这对大型数据集来说并不实用。

Answer 1

如果要在特定级别剪切树，请使用：

fl = fcluster(cl,numclust,criterion='maxclust')

其中cl是您的链接方法的输出，numclust是您想要获得的群集数。

Answer 2

层次聚类允许您放大和缩小以获得聚类的细粒度或粗粒度视图。因此，可能尚不清楚要切割哪个级别的树状图。一个简单的解决方案是获取每个级别的集群成员资格。也可以选择所需的簇数。

import numpy as np
from scipy import cluster
np.random.seed(23)
X = np.random.randn(20, 4)
Z = cluster.hierarchy.ward(X)
cutree_all = cluster.hierarchy.cut_tree(Z)
cutree1 = cluster.hierarchy.cut_tree(Z, n_clusters=[5, 10])
print("membership at all levels \n", cutree_all) 
print("membership for 5 and 10 clusters \n", cutree1)

Answer 3

好的，让我提出一个方法。我不认为这是正确的或最好的方式，但至少它是一个开始。

1. 选择我们感兴趣的k
2. 请注意，链接Z具有N-1个列表，其中N是数据点的数量。第m个列表条目将产生N-m个簇。因此，抓住Z中的索引，其中索引为k = N-m-1。
3. 抓住距离值，该列表是该列表的第3列
4. 使用该特定距离调用fcluster作为容差（或者距离加上一些非常小的增量）。

唯一的问题是存在联系，但如果你能发现领带已经发生，那真的不是问题。