scipy连接格式

Question

我已经编写了自己的聚类程序,并希望生成一个树形图.最简单的方法是使用scipy树形图函数.但是,这要求输入的格式与scipy linkage函数产生的格式相同.我找不到如何格式化输出的示例.我想知道是否有人可以启发我.

Answer 1

这是来自scipy.cluster.hierarchy.linkage()函数文档,我认为这是对输出格式的一个非常清晰的描述:

返回A(n -1)×4矩阵Z. 在第i次迭代中,具有索引Z [i,0]和Z [i,1]的聚类被组合以形成聚类n + i.索引小于n的聚类对应于原始观察之一.簇Z [i,0]和Z [i,1]之间的距离由Z [i,2]给出.第四个值Z [i,3]表示新形成的簇中的原始观察的数量.

你还需要更多东西吗？

Answer 2

我同意/sf/users/81723281/该文件并不能完全解释中间簇索引,虽然我与同意/sf/users/94839111/的否则精确解释格式.

使用此问题的示例数据:scipy.cluster.hierarchy教程

A = np.array([[0.1,   2.5],
              [1.5,   .4 ],
              [0.3,   1  ],
              [1  ,   .8 ],
              [0.5,   0  ],
              [0  ,   0.5],
              [0.5,   0.5],
              [2.7,   2  ],
              [2.2,   3.1],
              [3  ,   2  ],
              [3.2,   1.3]])

可以使用单个(即,最接近的匹配点)构建链接矩阵:

z = hac.linkage(a, method="single")

 array([[  7.        ,   9.        ,   0.3       ,   2.        ],
        [  4.        ,   6.        ,   0.5       ,   2.        ],
        [  5.        ,  12.        ,   0.5       ,   3.        ],
        [  2.        ,  13.        ,   0.53851648,   4.        ],
        [  3.        ,  14.        ,   0.58309519,   5.        ],
        [  1.        ,  15.        ,   0.64031242,   6.        ],
        [ 10.        ,  11.        ,   0.72801099,   3.        ],
        [  8.        ,  17.        ,   1.2083046 ,   4.        ],
        [  0.        ,  16.        ,   1.5132746 ,   7.        ],
        [ 18.        ,  19.        ,   1.92353841,  11.        ]])

正如文档解释的那样,n下面的聚类(这里:11)只是原始矩阵A中的数据点.前进的中间聚类是连续索引的.

因此,簇7和9(第一合并)被合并到簇11中,簇4和6合并为12.然后观察第三行,合并簇5(来自A)和12(来自未示出的中间簇12),得到群内距离(WCD)为0.5.单一方法需要新的WCS为0.5,即A [5]与簇12中最近点A [4]和A [6]之间的距离.让我们检查:

 In [198]: norm([a[5]-a[4]])
 Out[198]: 0.70710678118654757
 In [199]: norm([a[5]-a[6]])
 Out[199]: 0.5

该集群现在应该是中间集群13,随后与A [2]合并.因此,新距离应该是点A [2]和A [4,5,6]之间最接近的距离.

 In [200]: norm([a[2]-a[4]])
 Out[200]: 1.019803902718557
 In [201]: norm([a[2]-a[5]])
 Out[201]: 0.58309518948452999
 In [202]: norm([a[2]-a[6]])
 Out[202]: 0.53851648071345048

其中,可以看出也检查出来,并解释了新集群的中间格式.

Answer 3

dkar指出,scipy文档准确无误......但将返回的数据转换为可用于进一步分析的内容有点困难.

在我看来,它们应该包括在数据结构树中返回数据的能力.下面的代码将遍历矩阵并构建一个树:

from scipy.cluster.hierarchy import linkage
import numpy as np

a = np.random.multivariate_normal([10, 0], [[3, 1], [1, 4]], size=[100,])
b = np.random.multivariate_normal([0, 20], [[3, 1], [1, 4]], size=[50,])
centers = np.concatenate((a, b),)

def create_tree(centers):
    clusters = {}
    to_merge = linkage(centers, method='single')
    for i, merge in enumerate(to_merge):
        if merge[0] <= len(to_merge):
            # if it is an original point read it from the centers array
            a = centers[int(merge[0]) - 1]
        else:
            # other wise read the cluster that has been created
            a = clusters[int(merge[0])]

        if merge[1] <= len(to_merge):
            b = centers[int(merge[1]) - 1]
        else:
            b = clusters[int(merge[1])]
        # the clusters are 1-indexed by scipy
        clusters[1 + i + len(to_merge)] = {
            'children' : [a, b]
        }
        # ^ you could optionally store other info here (e.g distances)
    return clusters

print create_tree(centers)