Ctrl+K

AgglomerativeClustering#

class sklearn.cluster.AgglomerativeClustering(n_clusters=2, *, metric='euclidean', memory=None, connectivity=None, compute_full_tree='auto', linkage='ward', distance_threshold=None, compute_distances=False)[源代码]#

集聚聚集。

循环合并样本数据的成对集群;使用链接距离。

阅读更多的 User Guide .

参数:
n_clustersint或无，默认=2

要查找的集群数量。必须 None 如果 distance_threshold 不 None .

metric字符串或可调用，默认=“欧几里得”

Metric used to compute the linkage. Can be "euclidean", "l1", "l2", "manhattan", "cosine", or "precomputed". If linkage is "ward", only "euclidean" is accepted. If "precomputed", a distance matrix is needed as input for the fit method. If connectivity is None, linkage is "single" and affinity is not "precomputed" any valid pairwise distance metric can be assigned.

Added in version 1.2.

memory具有joblib.内存接口的字符串或对象，默认=无

用于缓存树计算的输出。默认情况下，不进行缓存。如果给出了字符串，则它是缓存目录的路径。

connectivity类数组、稀疏矩阵或可调用，默认=无

连接矩阵。按照给定的数据结构为每个样本定义邻近样本。这可以是连接性矩阵本身，也可以是将数据转换为连接性矩阵的可调用矩阵，例如从 kneighbors_graph .默认值为 None 即分层集群算法是非结构化的。

对于使用的连通性矩阵的示例 kneighbors_graph ，看到了 有结构和不有结构的集聚 .

compute_full_tree“Auto”或布尔，默认=“Auto”

Stop early the construction of the tree at n_clusters. This is useful to decrease computation time if the number of clusters is not small compared to the number of samples. This option is useful only when specifying a connectivity matrix. Note also that when varying the number of clusters and using caching, it may be advantageous to compute the full tree. It must be True if distance_threshold is not None. By default compute_full_tree is "auto", which is equivalent to True when distance_threshold is not None or that n_clusters is inferior to the maximum between 100 or 0.02 * n_samples. Otherwise, "auto" is equivalent to False.

linkage' ward '，'，' single '}，默认=' ward '

使用哪个链接标准。联系标准确定观察集之间使用的距离。该算法将合并最小化该标准的成对集群。

  • “ward”最大限度地减少了正在合并的集群的方差。

  • “average”使用两个集合的每个观测的距离的平均值。

  • “完全”或“最大”联动使用两组所有观测之间的最大距离。

  • “single”使用两个集合的所有观察之间的最小距离。

Added in version 0.20: 添加了“单一”选项

例如比较不同的例子 linkage 标准请参考 在玩具数据集上比较不同的分层链接方法 .

distance_thresholdfloat，默认=无

链接距离阈值达到或超过该阈值将不会合并集群。如果不是 None , n_clusters 必须 None 和 compute_full_tree 必须 True .

Added in version 0.21.

compute_distances布尔，默认=假

计算集群之间的距离，即使 distance_threshold 未使用。这可以用于进行树图可视化，但会带来计算和内存负担。

Added in version 0.24.

有关树图可视化的示例，请参阅 图分层聚集树图 .

属性:
n_clusters_int

算法找到的集群数量。如果 distance_threshold=None ，它将等于给定的 n_clusters .

labels_形状的nd数组（n_samples）

每个点的集群标签。

n_leaves_int

分层树中的叶子数量。

n_connected_components_int

图形中连接组件的估计数量。

Added in version 0.21: n_connected_components_ 添加以取代 n_components_ .

n_features_in_int

期间看到的功能数量 fit .

Added in version 0.24.

feature_names_in_ ：nd形状数组 (n_features_in_ ,)nd数组形状（

Names of features seen during fit. Defined only when X has feature names that are all strings.

Added in version 1.0.

children_形状类似阵列（n_samples-1，2）

The children of each non-leaf node. Values less than n_samples correspond to leaves of the tree which are the original samples. A node i greater than or equal to n_samples is a non-leaf node and has children children_[i - n_samples]. Alternatively at the i-th iteration, children[i][0] and children[i][1] are merged to form node n_samples + i.

distances_形状类似阵列（n_nodes-1，）

中相应位置的节点之间的距离 children_ .仅在以下情况下计算 distance_threshold 使用或 compute_distances 设置为 True .

参见

FeatureAgglomeration

聚集性聚集，但针对特征而不是样本。

ward_tree

具有病房联系的分层聚集。

示例

>>> from sklearn.cluster import AgglomerativeClustering
>>> import numpy as np
>>> X = np.array([[1, 2], [1, 4], [1, 0],
...               [4, 2], [4, 4], [4, 0]])
>>> clustering = AgglomerativeClustering().fit(X)
>>> clustering
AgglomerativeClustering()
>>> clustering.labels_
array([1, 1, 1, 0, 0, 0])
fit(X, y=None)[源代码]#

根据特征或距离矩阵匹配分层集群。

参数:
X类似阵列、形状（n_samples，n_features）或 （n_samples，n_samples）

训练实例进行集群，或实例之间的距离，如果 metric='precomputed' .

y忽视

未使用，此处列出是为了按照惯例实现API一致性。

返回:
self对象

返回匹配的实例。

fit_predict(X, y=None)[源代码]#

匹配并返回每个样本的集群分配的结果。

除了拟合之外，该方法还返回训练集中每个样本的聚类分配结果。

参数:
X形状类似阵列（n_samples，n_features）或 （n_samples，n_samples）

训练实例进行集群，或实例之间的距离，如果 affinity='precomputed' .

y忽视

未使用，此处列出是为了按照惯例实现API一致性。

返回:
labels形状的nd数组（n_samples，）

集群标签。

get_metadata_routing()[源代码]#

获取此对象的元数据路由。

请检查 User Guide 关于路由机制如何工作。

返回:
routingMetadataRequest

A MetadataRequest 封装路由信息。

get_params(deep=True)[源代码]#

获取此估计器的参数。

参数:
deep布尔，默认=True

如果为True，将返回此估计量和包含的作为估计量的子对象的参数。

返回:
paramsdict

参数名称映射到其值。

set_params(**params)[源代码]#

设置此估计器的参数。

该方法适用于简单估计器以及嵌套对象（例如 Pipeline ).后者具有以下形式的参数 <component>__<parameter> 以便可以更新嵌套对象的每个组件。

参数:
**paramsdict

估计参数。

返回:
self估计器实例

估计实例。

On this page