如何从sklearn AgglomerativeClustering遍历树？

Question

我有一个numpy文本文件数组:https://github.com/alvations/anythingyouwant/blob/master/WN_food.matrix

它是术语和彼此之间的距离矩阵,我的术语列表如下:http://pastebin.com/2xGt7Xjh

我使用以下代码生成分层集群:

import numpy as np
from sklearn.cluster import AgglomerativeClustering

matrix = np.loadtxt('WN_food.matrix')
n_clusters = 518
model = AgglomerativeClustering(n_clusters=n_clusters,
                                linkage="average", affinity="cosine")
model.fit(matrix)

为了获得每个学期的聚类,我本可以做到:

for term, clusterid in enumerate(model.labels_):
    print term, clusterid

但是如何遍历AgglomerativeClustering输出的树？

是否有可能将其转换为scipy树状图(http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.cluster.hierarchy.dendrogram.html)？之后我如何遍历树状图？

Answer 1

我已经为sklearn.cluster.ward_tree回答了类似的问题: 你如何从sklearn.cluster.ward_tree可视化病房树？

AgglomerativeClustering以相同的方式在children_属性中输出树.这是对AgglomerativeClustering的病房树问题中代码的改编.它以树的每个节点的形式(node_id,left_child,right_child)输出树的结构.

import numpy as np
from sklearn.cluster import AgglomerativeClustering
import itertools

X = np.concatenate([np.random.randn(3, 10), np.random.randn(2, 10) + 100])
model = AgglomerativeClustering(linkage="average", affinity="cosine")
model.fit(X)

ii = itertools.count(X.shape[0])
[{'node_id': next(ii), 'left': x[0], 'right':x[1]} for x in model.children_]

/sf/answers/1830648291/