Question

我使用scipy.cluster.hierarchy使用“余弦”相似性度量对一组点进行分层聚类。举个例子，我有：

import scipy.cluster.hierarchy as hac 
import matplotlib.pyplot as plt 

Points = 
  np.array([[ 0.         , 0.23508573], 
 [ 0.00754775 , 0.26717266], 
 [ 0.00595464 , 0.27775905], 
 [ 0.01220563 , 0.23622067], 
 [ 0.00542628 , 0.14185873], 
 [ 0.03078922 , 0.11273108], 
 [ 0.06707743 ,-0.1061131 ], 
 [ 0.04411757 ,-0.10775407], 
 [ 0.01349434 , 0.00112159], 
 [ 0.04066034 , 0.11639591], 
 [ 0.         , 0.29046682], 
 [ 0.07338036 , 0.00609912], 
 [ 0.01864988 , 0.0316196 ], 
 [ 0.         , 0.07270636], 
 [ 0.         ,  0.        ]]) 


z = hac.linkage(Points, metric='cosine', method='complete') 
labels = hac.fcluster(z, 0.1, criterion="distance") 


plt.scatter(Points[:, 0], Points[:, 1], c=labels.astype(np.float)) 
plt.show()

由于我使用余弦度量，在某些情况下，两个向量的点积可以是负数，或者某些向量的范数可以为零。这意味着z输出将具有一些负面或无限元素，这些元素对于fcluster无效（如下所示）：

z =
[[  0.00000000e+00   1.00000000e+01   0.00000000e+00   2.00000000e+00] 
[  1.30000000e+01   1.50000000e+01   0.00000000e+00   3.00000000e+00] 
[  8.00000000e+00   1.10000000e+01   4.26658708e-13   2.00000000e+00]       
[  1.00000000e+00   2.00000000e+00   2.31748880e-05   2.00000000e+00] 
[  3.00000000e+00   4.00000000e+00   8.96700489e-05   2.00000000e+00] 
[  1.60000000e+01   1.80000000e+01   3.98805492e-04   5.00000000e+00] 
[  1.90000000e+01   2.00000000e+01   1.33225099e-03   7.00000000e+00] 
[  5.00000000e+00   9.00000000e+00   2.41120340e-03   2.00000000e+00] 
[  6.00000000e+00   7.00000000e+00   1.52914684e-02   2.00000000e+00] 
[  1.20000000e+01   2.20000000e+01   3.52441432e-02   3.00000000e+00] 
[  2.10000000e+01   2.40000000e+01   1.38662986e-01   1.00000000e+01] 
[  1.70000000e+01   2.30000000e+01   6.99056531e-01   4.00000000e+00] 
[  2.50000000e+01   2.60000000e+01   1.92543748e+00   1.40000000e+01] 
[ -1.00000000e+00   2.70000000e+01              inf   1.50000000e+01]]

为了解决这个问题，我检查了linkage（）函数，在里面我需要检查_hierarchy.linkage（）方法。我使用pycharm文本编辑器，当我询问“链接”源代码时，它在目录中打开了一个python文件，即“_hierarchy.py”，如下所示：

.PyCharm40/system/python_stubs/-1247972723/scipy/cluster/_hierarchy.py

此python文件没有包含所有函数的任何定义我想知道修改它的这个函数的正确来源是什么，还是有另一种解决这个问题的方法。我将非常感谢您的帮助和提示。

Answer 1

您的数据集中有一个零向量0 0。对于此类数据，余弦距离未定义，因此您使用的是不适当的距离函数！这是一个不能轻易关闭的定义差距。 inf与0一样不正确。与余弦的0 0的距离不能定义而没有任何矛盾。您不得在此类数据上使用余弦。

回到你的实际问题：_hierarchy是一个Cython模块。 它不是纯python，而是编译为本机代码。您可以在Github上轻松查看源代码：

https://github.com/scipy/scipy/blob/master/scipy/cluster/_hierarchy.pyx

fcluster包中使用余弦相似性度量的分层聚类

1 个答案: