如何从SciPy的分层凝聚聚类中获得质心？

Question

我正在使用SciPy的分层凝聚聚类方法来聚类m×n特征矩阵，但在聚类完成后，我似乎无法弄清楚如何从生成的聚类中获取质心。下面是我的代码：

Y = distance.pdist(features)
Z = hierarchy.linkage(Y, method = "average", metric = "euclidean")
T = hierarchy.fcluster(Z, 100, criterion = "maxclust")

我正在使用我的特征矩阵，计算它们之间的欧氏距离，然后将它们传递给层次聚类方法。从那里，我正在创建平面群集，最多有100个群集

现在，基于平面簇T，我如何获得代表每个平面簇的1 x n质心？

Answer 1

一个可能的解决方案是一个函数，它返回一个包含kmeans scipy.cluster.vq中的质心的代码簿。您唯一需要的是将分区作为具有平面群集part的矢量和原始观察X

def to_codebook(X, part):
    """
    Calculates centroids according to flat cluster assignment

    Parameters
    ----------
    X : array, (n, d)
        The n original observations with d features

    part : array, (n)
        Partition vector. p[n]=c is the cluster assigned to observation n

    Returns
    -------
    codebook : array, (k, d)
        Returns a k x d codebook with k centroids
    """
    codebook = []

    for i in range(part.min(), part.max()+1):
        codebook.append(X[part == i].mean(0))

    return np.vstack(codebook)

Answer 2

您可以执行以下操作（D =维数）：

# Sum the vectors in each cluster
lens = {}      # will contain the lengths for each cluster
centroids = {} # will contain the centroids of each cluster
for idx,clno in enumerate(T):
    centroids.setdefault(clno,np.zeros(D)) 
    centroids[clno] += features[idx,:]
    lens.setdefault(clno,0)
    lens[clno] += 1
# Divide by number of observations in each cluster to get the centroid
for clno in centroids:
    centroids[clno] /= float(lens[clno])

这将为您提供一个字典，其中包含簇号作为键，特定簇的质心作为值。