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。