为什么 sklearn.cluster.AgglomerativeClustering 不给我们合并集群之间的距离？

Question

我正在使用sklearn.cluster.AgglomerativeClustering. 它从每个数据点一个集群开始，并迭代地将两个“最接近”的集群合并在一起，从而形成一棵二叉树。什么构成集群之间的距离取决于链接参数。

了解每一步合并集群之间的距离会很有用。当下一个要合并的集群相距太远时，我们可以停止。唉，这似乎在AgglomerativeClustering.

我错过了什么吗？有没有办法恢复距离？

Answer 1

您可能想看看scipy.cluster.hierarchy它提供的选项比sklearn.cluster.AgglomerativeClustering.

聚类是通过linkage函数完成的，该函数返回一个包含合并聚类之间距离的矩阵。这些可以用树状图进行可视化：

from scipy.cluster.hierarchy import linkage, fcluster, dendrogram
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

X, cl = make_blobs(n_samples=20, n_features=2, centers=3, cluster_std=0.5, random_state=0)
Z = linkage(X, method='ward')

plt.figure()
dendrogram(Z)
plt.show()

可以根据各种标准（例如观察距离）从链接矩阵中形成平面聚类：

clusters = fcluster(Z, 5, criterion='distance')

此处更详细地讨论了 Scipy 的层次聚类。