scipy.cluster.hierarchy.is_isomorphic¶

scipy.cluster.hierarchy.is_isomorphic(T1, T2)[源代码]¶

确定两个不同的群集分配是否相等。

参数

T1array_like: 将单一群集ID分配给平面群集ID。
T2array_like: 将单一群集ID分配给平面群集ID。

退货

b布尔尔: 平面群集分配是否 T1 和 T2 是等价的。

参见

linkage: 有关链接矩阵是什么的说明，请参阅。
fcluster: 用于创建平面群集分配。

示例

>>> from scipy.cluster.hierarchy import fcluster, is_isomorphic
>>> from scipy.cluster.hierarchy import single, complete
>>> from scipy.spatial.distance import pdist

如果两个平面群集分配表示具有不同标签的相同群集分配，则它们可以是同构的。

例如，我们可以使用 scipy.cluster.hierarchy.single ：方法并将输出展平为四个簇：

>>> X = [[0, 0], [0, 1], [1, 0],
...      [0, 4], [0, 3], [1, 4],
...      [4, 0], [3, 0], [4, 1],
...      [4, 4], [3, 4], [4, 3]]

>>> Z = single(pdist(X))
>>> T = fcluster(Z, 1, criterion='distance')
>>> T
array([3, 3, 3, 4, 4, 4, 2, 2, 2, 1, 1, 1], dtype=int32)

然后，我们可以使用 scipy.cluster.hierarchy.complete ：方法：

>>> Z = complete(pdist(X))
>>> T_ = fcluster(Z, 1.5, criterion='distance')
>>> T_
array([1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4], dtype=int32)

正如我们所看到的，在这两种情况下，我们都获得了四个群集，并且所有数据点都以相同的方式分布-唯一变化的是平面群集标签(3=>1，4=>2，2=>3和4=>1)，因此两个群集分配是同构的：

>>> is_isomorphic(T, T_)
True

scipy.cluster.hierarchy.is_valid_linkage

scipy.cluster.hierarchy.is_monotonic