scipy.cluster.hierarchy.weighted¶
- scipy.cluster.hierarchy.weighted(y)[源代码]¶
对压缩距离矩阵执行加权/WPGMA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。- 参数
- yndarray
距离矩阵的上三角形。结果是
pdist
以此形式返回。
- 退货
- Zndarray
包含层次聚类的链接矩阵。看见
linkage
有关其结构的更多信息,请参阅。
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 weighted, 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 = weighted(y) >>> Z array([[ 0. , 1. , 1. , 2. ], [ 6. , 7. , 1. , 2. ], [ 3. , 4. , 1. , 2. ], [ 9. , 11. , 1. , 2. ], [ 2. , 12. , 1.20710678, 3. ], [ 8. , 13. , 1.20710678, 3. ], [ 5. , 14. , 1.20710678, 3. ], [10. , 15. , 1.20710678, 3. ], [18. , 19. , 3.05595762, 6. ], [16. , 17. , 3.32379407, 6. ], [20. , 21. , 4.06357713, 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([ 7, 8, 9, 1, 2, 3, 10, 11, 12, 4, 6, 5], dtype=int32) >>> fcluster(Z, 1.5, criterion='distance') array([3, 3, 3, 1, 1, 1, 4, 4, 4, 2, 2, 2], dtype=int32) >>> fcluster(Z, 4, criterion='distance') array([2, 2, 2, 1, 1, 1, 2, 2, 2, 1, 1, 1], dtype=int32) >>> fcluster(Z, 6, 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。