层次聚类 (scipy.cluster.hierarchy )

这些函数通过提供每个观测的平面聚类ID，将分层聚类分割成平面聚类，或者找到由切割形成的森林的根。

fcluster \(Z，t[, criterion, depth, R, monocrit] )	从由给定链接矩阵定义的分层聚类形成扁平聚类。
fclusterdata \(X，t[, criterion, metric, ...] )	使用给定的度量对观测数据进行聚类。
leaders \(Z，T)	返回分层群集中的根节点。

这些是聚集群集的例程。

linkage \(y[, method, metric, optimal_ordering] )	执行分层/聚集群集。
single \(y)	在压缩距离矩阵上执行单/最小/最近链接 y 。
complete \(y)	在压缩距离矩阵上执行完整/最大/最远点链接。
average \(y)	在压缩距离矩阵上执行Average/UPGMA链接。
weighted \(y)	对压缩距离矩阵执行加权/WPGMA链接。
centroid \(y)	执行质心/UPGMC联动。
median \(y)	执行中间带/WPGMC连接。
ward \(y)	在压缩距离矩阵上执行Ward链接。

这些例程计算层次结构的统计信息。

cophenet \(Z[, Y] )	计算由链接定义的层次聚类中的每个观察点之间的共生距离 Z 。
from_mlab_linkage \(Z)	将由MATLAB(TM)生成的链接矩阵转换为与该模块兼容的新链接矩阵。
inconsistent \(Z[, d] )	计算链接矩阵上的不一致性统计信息。
maxinconsts \(Z，R)	返回每个非单例群集及其子群集的最大不一致系数。
maxdists \(Z)	返回任何非单一群集之间的最大距离。
maxRstat \(Z，R，I)	返回每个非单一群集及其子群集的最大统计信息。
to_mlab_linkage \(Z)	将链接矩阵转换为与MATLAB(TM)兼容的矩阵。

用于可视化平面群集的例程。

dendrogram \(Z[, p, truncate_mode, ...] )

将层次聚类绘制为树状图。

这些是用于将层次结构表示为树对象的数据结构和例程。

ClusterNode \(ID[, left, right, dist, count] )	用于表示群集的树节点类。
leaves_list \(Z)	返回叶节点ID列表。
to_tree \(Z[, rd] )	将链接矩阵转换为易于使用的树对象。
cut_tree \(Z[, n_clusters, height] )	在给定链接矩阵Z的情况下，返回切割后的树。
optimal_leaf_ordering \(Z，y[, metric] )	在给定链接矩阵Z和距离的情况下，对切割的树重新排序。

这些谓词用于检查链接和不一致矩阵的有效性，以及用于检查两个平面群集分配的同构。

is_valid_im \(r[, warning, throw, name] )	如果传递的不一致矩阵有效，则返回True。
is_valid_linkage \(Z[, warning, throw, name] )	检查链接矩阵的有效性。
is_isomorphic \(T1，T2)	确定两个不同的群集分配是否相等。
is_monotonic \(Z)	如果传递的链接是单调的，则返回True。
correspond \(Z，Y)	检查链接和压缩距离矩阵之间的对应关系。
num_obs_linkage \(Z)	返回传递的链接矩阵的原始观测数。

用于绘图的实用程序例程：

set_link_color_palette \(调色板)

设置树形图使用的matplotlib颜色代码列表。

实用程序类：

DisjointSet \([elements] )

增量连接查询的不相交集合数据结构。

上一页

scipy.cluster.vq.kmeans2

下一页

scipy.cluster.hierarchy.fcluster