如何从 SciPy 的层次凝聚聚类中获取质心？

Posted 2023-03-12

【中文标题】如何从 SciPy 的层次凝聚聚类中获取质心？

【英文标题】：How to get centroids from SciPy's hierarchical agglomerative clustering?

【发布时间】：2012-03-10 20:42:38

【问题描述】：

我正在使用 SciPy 的分层凝聚聚类方法对 m x n 特征矩阵进行聚类，但在聚类完成后，我似乎无法弄清楚如何从生成的聚类中获取质心。下面是我的代码：

Y = distance.pdist(features)
Z = hierarchy.linkage(Y, method = "average", metric = "euclidean")
T = hierarchy.fcluster(Z, 100, criterion = "maxclust")

我正在获取我的特征矩阵，计算它们之间的欧几里得距离，然后将它们传递给层次聚类方法。从那里，我正在创建平面集群，最多 100 个集群

现在，基于平面簇 T，我如何获得代表每个平面簇的 1 x n 质心？

【问题讨论】：

那么最后发生了什么？你解决问题了吗？怎么样？

我实际上最终使用了 scikit-learn。

请问 scikit 中的哪个函数？

查看Ward函数。

感谢您的跟进。 :)

【参考方案1】：

你可以这样做（D=维度数）：

# Sum the vectors in each cluster
lens =       # will contain the lengths for each cluster
centroids =  # will contain the centroids of each cluster
for idx,clno in enumerate(T):
    centroids.setdefault(clno,np.zeros(D)) 
    centroids[clno] += features[idx,:]
    lens.setdefault(clno,0)
    lens[clno] += 1
# Divide by number of observations in each cluster to get the centroid
for clno in centroids:
    centroids[clno] /= float(lens[clno])

这将为您提供一个字典，其中簇号作为键，特定簇的质心作为值。

【参考方案2】：

一个可能的解决方案是一个函数，它返回一个像kmeans 中的kmeans 一样的质心的密码本。您唯一需要的是将分区作为具有平面簇part 和原始观测值X 的向量

def to_codebook(X, part):
    """
    Calculates centroids according to flat cluster assignment

    Parameters
    ----------
    X : array, (n, d)
        The n original observations with d features

    part : array, (n)
        Partition vector. p[n]=c is the cluster assigned to observation n

    Returns
    -------
    codebook : array, (k, d)
        Returns a k x d codebook with k centroids
    """
    codebook = []

    for i in range(part.min(), part.max()+1):
        codebook.append(X[part == i].mean(0))

    return np.vstack(codebook)