如何从 Python 中的 scipy 中的链接/距离矩阵计算集群分配？

Posted 2023-03-12

【中文标题】如何从 Python 中的 scipy 中的链接/距离矩阵计算集群分配？

【英文标题】：How to compute cluster assignments from linkage/distance matrices in scipy in Python?

【发布时间】：2013-04-03 19:42:14

【问题描述】：

如果你在 Python 的 scipy 中有这个层次聚类调用：

from scipy.cluster.hierarchy import linkage
# dist_matrix is long form distance matrix
linkage_matrix = linkage(squareform(dist_matrix), linkage_method)

那么从这个到集群分配单个点的有效方法是什么？即长度为N 的向量，其中N 是点数，其中每个条目i 是点i 的聚类数，给定由给定阈值thresh 在结果聚类上生成的聚类数?

澄清一下：集群编号将是它在对树应用阈值后所在的集群。在这种情况下，您将为所在集群的每个叶节点获得一个唯一的集群。在每个点属于一个“最具体的集群”的意义上，这是由您切割树状图的阈值定义的。

我知道scipy.cluster.hierarchy.fclusterdata 给你这个集群分配作为它的返回值，但我是从定制的距离矩阵和距离度量开始的，所以我不能使用fclusterdata。问题归结为：我如何计算 fclusterdata 正在计算的内容——集群分配？

【问题讨论】：

如果将 squareform(dist_matrix) 赋给 links()，则矩阵被视为观测值，聚类结果可能不正确。您可以将距离矩阵的压缩向量直接作为linkage()的输入。

更多详情见：github.com/scipy/scipy/issues/2614

您拥有的一个选项是在 Z 的距离（avg（Z[:,2] ）列上取平均值。一旦您变得卑鄙，您就可以从那里削减。这不是通用方法，但你可以试试。

【参考方案1】：

如果我没听错的话，fcluster 就是这样做的：

scipy.cluster.hierarchy.fcluster(Z, t, criterion='inconsistent', depth=2, R=None, monocrit=None)

从由链接矩阵 Z 定义的层次聚类形成平面聚类。

...

返回：一个长度为 n 的数组。 T[i] 是原始观测值 i 所属的平面簇数。

所以只需致电fcluster(linkage_matrix, t)，其中t 是您的门槛。

【讨论】：

没错。这将输出集群标签。

【参考方案2】：

如果您想查看每个集群级别的成员以及它们的聚集顺序，请参阅https://***.com/a/43170608/5728789