Question

我在使用sklearn的AffinityPropagation时看到了一些奇怪的东西。我有一个4 x 4 numpy ndarray - 基本上是亲和力分数。 sim [i，j]的亲和度得分为[i，j]。现在，当我加入AffinityPropgation函数时，我总共得到4个标签。

这是一个类似的例子，矩阵较小：

In [215]: x = np.array([[1, 0.2, 0.4, 0], [0.2, 1, 0.8, 0.3], [0.4, 0.8, 1, 0.7], [0, 0.3, 0.7, 1]]
   .....: )

In [216]: x
Out[216]:
array([[ 1. ,  0.2,  0.4,  0. ],
       [ 0.2,  1. ,  0.8,  0.3],
       [ 0.4,  0.8,  1. ,  0.7],
       [ 0. ,  0.3,  0.7,  1. ]])

In [217]: clusterer = cluster.AffinityPropagation(affinity='precomputed')

In [218]: f = clusterer.fit(x)

In [219]: f.labels_
Out[219]: array([0, 1, 1, 1])

这说（根据Kevin的说法），第一个样本（第0个索引行）是一个集群（Cluster＃0），其余的样本都在另一个集群（集群＃1）中。但是，我还是不明白这个输出。这是什么样的？会员是什么？我希望将一组对（i，j）分配给一个群集，另一组对分配给另一个群集，依此类推。

它看起来像一个4样本x 4特征矩阵......我不想要它。这是问题吗？如果是这样，如何将其转换为漂亮的4样本x 4样本亲和度矩阵？

文档（http://scikit-learn.org/stable/modules/generated/sklearn.cluster.AffinityPropagation.html）说

fit(X, y=None)
Create affinity matrix from negative euclidean distances, then apply affinity propagation clustering.
Parameters: 
X: array-like, shape (n_samples, n_features) or (n_samples, n_samples) :
Data matrix or, if affinity is precomputed, matrix of similarities / affinities.

谢谢！

Answer 1

根据您的描述，听起来您正在使用＆＃34;成对相似性矩阵＆＃34;：x（尽管您的示例数据未显示）。如果是这种情况，您的矩阵应为symmertric，以便：sim[i,j] == sim[j,i]的对角线值等于1.示例相似度数据S：

S
array([[ 1.        ,  0.08276253,  0.16227766,  0.47213595,  0.64575131],
       [ 0.08276253,  1.        ,  0.56776436,  0.74456265,  0.09901951],
       [ 0.16227766,  0.56776436,  1.        ,  0.47722558,  0.58257569],
       [ 0.47213595,  0.74456265,  0.47722558,  1.        ,  0.87298335],
       [ 0.64575131,  0.09901951,  0.58257569,  0.87298335,  1.        ]])

通常，当您已经有距离矩阵时，您应该使用affinity='precomputed'。但在您的情况下，您使用的是相似性。 在此特定示例中，您可以使用1-D转换为伪距离。（这样做的原因是因为我不知道如果你给它一个相似性矩阵作为输入，Affinity Propagation会给你预期的结果）：

1-D
array([[ 0.        ,  0.91723747,  0.83772234,  0.52786405,  0.35424869],
       [ 0.91723747,  0.        ,  0.43223564,  0.25543735,  0.90098049],
       [ 0.83772234,  0.43223564,  0.        ,  0.52277442,  0.41742431],
       [ 0.52786405,  0.25543735,  0.52277442,  0.        ,  0.12701665],
       [ 0.35424869,  0.90098049,  0.41742431,  0.12701665,  0.        ]])

话虽如此，我认为这是你的解释所在：

这表示前3行是相似的，第4行是它自己的簇，第5行也是它自己的簇。共有3个集群。

f.labels_数组：

array([0, 1, 1, 1, 0])

告诉你样本（不是行）0和4在群集0中并且样本 2,3和4在群集1中。你不要＆＃对于5个样本问题，需要25个不同的标签，这是没有意义的。希望这有点帮助，尝试demo（检查沿途的变量并将它们与您的数据进行比较），从原始数据开始;它应该可以帮助您确定Affinity Propagation是否适合您的聚类算法。

python中的亲和传播

1 个答案: