聚类稀疏共生矩阵

Question

我有两个N x N共生矩阵（484x484和1060x1060），我必须分析。矩阵沿对角线对称并包含许多零值。非零值是整数。

我想把非零的位置组合在一起。换句话说，我想要做的是算法on this link。当选择按群集排序时，矩阵将按行和列重新排列，以将非零值组合在一起。

由于我使用Python执行此任务，因此我查看了SciPy Sparse Linear Algebra库，但找不到我要查找的内容。

非常感谢任何帮助。提前谢谢。

Answer 1

如果矩阵dist具有对象之间的成对距离，那么您可以通过在此矩阵（http://scikit-learn.org/stable/modules/clustering.html）上应用聚类算法来找到重新排列矩阵的顺序。例如，它可能类似于：

from sklearn import cluster
import numpy as np
model = cluster.AgglomerativeClustering(n_clusters=20,affinity="precomputed").fit(dist)
new_order = np.argsort(model.labels_)
ordered_dist = dist[new_order] # can be your original matrix instead of dist[]
ordered_dist = ordered_dist[:,new_order]

顺序由变量model.labels_给出，变量{| 1}}具有每个样本所属的簇的编号。一些观察结果：

1. 您必须找到一个接受距离矩阵作为输入的聚类算法。 AgglomerativeClustering是一种算法（注意affinity="precomputed"选项告诉它我们正在使用预先计算的距离。）
2. 您所拥有的似乎是成对相似度矩阵，在这种情况下，您需要将其转换为距离矩阵（例如dist=1 - data/data.max()）
3. 在我假设20个集群的示例中，您可能需要稍微使用此变量。或者，您可以尝试找到数据的最佳一维表示（使用例如MDS）来描述样本的最佳排序。

Answer 2

由于您的数据稀少，将其视为图表，而不是矩阵。

然后尝试各种图形聚类方法。例如，派系对这些数据很有意思。

请注意，并非一切都可能聚集。