scipy.cluster.hierarchy.ward¶

scipy.cluster.hierarchy.ward(y)[源代码]¶

在压缩距离矩阵上执行Ward链接。

看见 linkage 有关返回结构和算法的详细信息，请执行以下操作。

以下是常见的调用约定：

Z = ward(y) 在压缩距离矩阵上执行Ward链接 y 。
Z = ward(X) 在观测矩阵上执行Ward链接 X 使用欧几里得距离作为距离度量。

参数

yndarray: 凝聚距离矩阵。压缩距离矩阵是包含距离矩阵的上三角形的平面阵列。这是一张表格，上面写着 pdist 返回。或者，n维的m个观测向量的集合可以作为m×n阵列传递。

退货

Zndarray: 该分层聚类被编码为链接矩阵。看见 linkage 有关返回结构和算法的详细信息，请执行以下操作。

参见

linkage: 用于高级创建分层群集。
scipy.spatial.distance.pdist: 成对距离度量

示例

>>> from scipy.cluster.hierarchy import ward, fcluster
>>> from scipy.spatial.distance import pdist

首先，我们需要一个玩具数据集来玩：：

x x    x x
x        x

x        x
x x    x x

>>> 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]]

然后，我们从这个数据集中得到一个压缩距离矩阵：

>>> y = pdist(X)

最后，我们可以执行群集：

>>> Z = ward(y)
>>> Z
array([[ 0.        ,  1.        ,  1.        ,  2.        ],
       [ 3.        ,  4.        ,  1.        ,  2.        ],
       [ 6.        ,  7.        ,  1.        ,  2.        ],
       [ 9.        , 10.        ,  1.        ,  2.        ],
       [ 2.        , 12.        ,  1.29099445,  3.        ],
       [ 5.        , 13.        ,  1.29099445,  3.        ],
       [ 8.        , 14.        ,  1.29099445,  3.        ],
       [11.        , 15.        ,  1.29099445,  3.        ],
       [16.        , 17.        ,  5.77350269,  6.        ],
       [18.        , 19.        ,  5.77350269,  6.        ],
       [20.        , 21.        ,  8.16496581, 12.        ]])

链接矩阵 Z 表示树状图-请参阅 scipy.cluster.hierarchy.linkage 有关其内容的详细说明，请参阅。

我们可以利用 scipy.cluster.hierarchy.fcluster 要查看在给定距离阈值的情况下每个初始点将属于哪个簇，请执行以下操作：

>>> fcluster(Z, 0.9, criterion='distance')
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12], dtype=int32)
>>> fcluster(Z, 1.1, criterion='distance')
array([1, 1, 2, 3, 3, 4, 5, 5, 6, 7, 7, 8], dtype=int32)
>>> fcluster(Z, 3, criterion='distance')
array([1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4], dtype=int32)
>>> fcluster(Z, 9, criterion='distance')
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1], dtype=int32)

另外， scipy.cluster.hierarchy.dendrogram 可以用来生成树状图的曲线图。

scipy.cluster.hierarchy.median

scipy.cluster.hierarchy.cophenet