scipy.cluster.hierarchy：标签看起来不正确，并且与垂直轴的值混淆

Question

我知道scipy.cluster.hierarchy专注于处理距离矩阵。但是现在我有一个相似性矩阵......在我使用树状图绘制它之后，就会发生一些奇怪的事情。 这是代码：

similarityMatrix = np.array(([1,0.75,0.75,0,0,0,0],
                         [0.75,1,1,0.25,0,0,0],
                         [0.75,1,1,0.25,0,0,0],
                         [0,0.25,0.25,1,0.25,0.25,0],
                         [0,0,0,0.25,1,1,0.75],
                         [0,0,0,0.25,1,1,0.75],
                         [0,0,0,0,0.75,0.75,1]))

这是连接方法

Z_sim = sch.linkage(similarityMatrix)
plt.figure(1)
plt.title('similarity')
sch.dendrogram(
    Z_sim,
    labels=['1','2','3','4','5','6','7']
)
plt.show()

但结果如下：

我的问题是：

1. 为什么这个树状图的标签不对？
2. 我给出了连接方法的相似度矩阵，但我无法完全理解垂直轴的含义。例如，由于最大相似度为1，为什么垂直轴的最大值几乎为1.6？

非常感谢你的帮助！

Answer 1

• linkage期望＆＃34;距离＆＃34;而不是＆＃34;相似性＆＃34;。要将矩阵转换为距离矩阵，可以从1：

  中减去矩阵

  dist = 1 - similarityMatrix
  

• linkage不接受方形距离矩阵。它希望距离数据在"condensed" form。你可以使用scipy.spatial.distance.squareform：

  来实现

  from scipy.spatial.distance import squareform
  
  dist = 1 - similarityMatrix
  condensed_dist = squareform(dist)
  Z_sim = sch.linkage(condensed_dist)
  

  （当你将形状为（m，n）的二维数组传递给linkage时，它会将行视为n维空间中的点，并在内部计算距离。）

  < / LI>