scipy.cluster.hierarchy.maxdists¶

scipy.cluster.hierarchy.maxdists(Z)[源代码]¶

返回任何非单一群集之间的最大距离。

参数

Zndarray: 分层聚类被编码为矩阵。看见 linkage 了解更多信息。

退货

maxdistsndarray: A (n-1) 大小稀疏的双精度数组； MD[i] 表示包括索引为i的节点在内的下面的任何群集(包括单例)之间的最大距离。更具体地说， MD[i] = Z[Q(i)-n, 2].max() 哪里 Q(i) 是下面包括节点i的所有节点索引的集合。

参见

linkage: 有关链接矩阵是什么的说明，请参阅。
is_monotonic: 用于测试链接矩阵的单调性。

示例

>>> from scipy.cluster.hierarchy import median, maxdists
>>> from scipy.spatial.distance import pdist

给定一个链接矩阵 Z ， scipy.cluster.hierarchy.maxdists 针对生成的每个新群集(即，针对链接矩阵的每一行)计算任意两个子群集之间的最大距离。

由于等级聚类的性质，在许多情况下，这只是合并形成当前聚类的两个子聚类之间的距离，即Z [:,2] 。

但是，对于非单调聚类分配，例如 scipy.cluster.hierarchy.median 群集情况并不总是这样：当合并的两个群集之间的距离小于它们的子群集之间的距离时，可能会有群集形成。

我们可以在一个示例中看到这一点：

>>> 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 = median(pdist(X))
>>> Z
array([[ 0.        ,  1.        ,  1.        ,  2.        ],
       [ 3.        ,  4.        ,  1.        ,  2.        ],
       [ 9.        , 10.        ,  1.        ,  2.        ],
       [ 6.        ,  7.        ,  1.        ,  2.        ],
       [ 2.        , 12.        ,  1.11803399,  3.        ],
       [ 5.        , 13.        ,  1.11803399,  3.        ],
       [ 8.        , 15.        ,  1.11803399,  3.        ],
       [11.        , 14.        ,  1.11803399,  3.        ],
       [18.        , 19.        ,  3.        ,  6.        ],
       [16.        , 17.        ,  3.5       ,  6.        ],
       [20.        , 21.        ,  3.25      , 12.        ]])
>>> maxdists(Z)
array([1.        , 1.        , 1.        , 1.        , 1.11803399,
       1.11803399, 1.11803399, 1.11803399, 3.        , 3.5       ,
       3.5       ])

请注意，虽然在创建最后一个簇时合并的两个簇之间的距离是3.25，但有两个子簇(簇16和17)的距离更大(3.5)。因此， scipy.cluster.hierarchy.maxdists 在本例中返回3.5。

scipy.cluster.hierarchy.maxinconsts

scipy.cluster.hierarchy.maxRstat