scipy.cluster.hierarchy教程

Question

我正在尝试理解如何操作层次结构集群，但文档太......技术性？......我无法理解它是如何工作的。

是否有任何教程可以帮助我开始，逐步解释一些简单的任务？

假设我有以下数据集：

a = np.array([[0,   0  ],
              [1,   0  ],
              [0,   1  ],
              [1,   1  ], 
              [0.5, 0  ],
              [0,   0.5],
              [0.5, 0.5],
              [2,   2  ],
              [2,   3  ],
              [3,   2  ],
              [3,   3  ]])

我可以轻松地完成层次结构聚类并绘制树形图：

z = linkage(a)
d = dendrogram(z)

• 现在，我如何恢复特定群集？让我们说一下在树形图中有元素[0,1,2,4,5,6]的那个？
• 我如何取回那些元素的价值？

Answer 1

分层凝聚聚类（HAC）有三个步骤：

1. 量化数据（metric参数）
2. 群集数据（method参数）
3. 选择群集数量

否则

z = linkage(a)

将完成前两个步骤。由于您未指定任何参数，因此使用标准值

1. metric = 'euclidean'
2. method = 'single'

因此，z = linkage(a)将为您提供a的单个链接层次凝聚聚类。这种聚类是一种解决方案的层次结构。从此层次结构中，您可以获得有关数据结构的一些信息。你现在可以做的是：

• 检查哪个metric是合适的，e。 G。 cityblock或chebychev会以不同方式量化您的数据（cityblock，euclidean和chebychev对应L1，L2和{ {1}}规范）
• 检查L_inf的不同属性/行为（例如methdos，single和complete）
• 检查如何确定群集的数量，例如： G。 reading the wiki about it
• 在找到的解决方案（聚类）上计算索引，例如silhouette coefficient（使用此系数，您可以获得有关点/观察点与群集分配的群集的匹配程度的质量的反馈） 。不同的索引使用不同的标准来限定聚类。

这是从

开始的

average

给出