Подтвердить что ты не робот

Учебник для scipy.cluster.hierarchy

Я пытаюсь понять, как манипулировать кластером иерархии, но документация тоже... техническая?... и я не могу понять, как это работает.

Есть ли какой-нибудь учебник, который может помочь мне начать, объясняя шаг за шагом некоторые простые задачи?

Скажем, у меня есть следующий набор данных:

a = np.array([[0,   0  ],
              [1,   0  ],
              [0,   1  ],
              [1,   1  ], 
              [0.5, 0  ],
              [0,   0.5],
              [0.5, 0.5],
              [2,   2  ],
              [2,   3  ],
              [3,   2  ],
              [3,   3  ]])

Я могу легко выполнить иерархический кластер и построить график дендрограммы:

z = linkage(a)
d = dendrogram(z)
  • Теперь, как я могу восстановить определенный кластер? Пусть, скажем, с элементами [0,1,2,4,5,6] в дендрограмме?
  • Как я могу вернуть значения этих элементов?
4b9b3361

ОТВЕТЫ

Ответ 1

В иерархической агломерационной кластеризации (HAC) три этапа:

  • Определить количественные данные (аргумент metric)
  • Данные кластера (аргумент method)
  • Выберите количество кластеров

Выполнение

z = linkage(a)

выполнит первые два шага. Поскольку вы не указали какие-либо параметры, он использует стандартные значения

  • metric = 'euclidean'
  • method = 'single'

Итак, z = linkage(a) даст вам одну связанную иерархическую агломеративную кластеризацию a. Эта кластеризация - это своего рода иерархия решений. Из этой иерархии вы получите некоторую информацию о структуре своих данных. Теперь вы можете сделать следующее:

  • Проверьте, подходит ли metric, e. г. cityblock или chebychev будет по-разному оценивать ваши данные (cityblock, euclidean и chebychev соответствуют нормам L1, L2 и L_inf)
  • Проверьте различные свойства/поведение methdos (например, single, complete и average)
  • Проверьте, как определить количество кластеров, например. г. прочитав wiki об этом
  • Вычислить индексы на найденных решениях (кластеризациях), таких как коэффициент силуэт (с этим коэффициентом вы получите обратную связь о качестве того, насколько хорошо подходит точка/наблюдение к кластеру, которому он назначен кластеризация). Различные индексы используют разные критерии для классификации кластеров.

Вот что начать с

import numpy as np
import scipy.cluster.hierarchy as hac
import matplotlib.pyplot as plt


a = np.array([[0.1,   2.5],
              [1.5,   .4 ],
              [0.3,   1  ],
              [1  ,   .8 ],
              [0.5,   0  ],
              [0  ,   0.5],
              [0.5,   0.5],
              [2.7,   2  ],
              [2.2,   3.1],
              [3  ,   2  ],
              [3.2,   1.3]])

fig, axes23 = plt.subplots(2, 3)

for method, axes in zip(['single', 'complete'], axes23):
    z = hac.linkage(a, method=method)

    # Plotting
    axes[0].plot(range(1, len(z)+1), z[::-1, 2])
    knee = np.diff(z[::-1, 2], 2)
    axes[0].plot(range(2, len(z)), knee)

    num_clust1 = knee.argmax() + 2
    knee[knee.argmax()] = 0
    num_clust2 = knee.argmax() + 2

    axes[0].text(num_clust1, z[::-1, 2][num_clust1-1], 'possible\n<- knee point')

    part1 = hac.fcluster(z, num_clust1, 'maxclust')
    part2 = hac.fcluster(z, num_clust2, 'maxclust')

    clr = ['#2200CC' ,'#D9007E' ,'#FF6600' ,'#FFCC00' ,'#ACE600' ,'#0099CC' ,
    '#8900CC' ,'#FF0000' ,'#FF9900' ,'#FFFF00' ,'#00CC01' ,'#0055CC']

    for part, ax in zip([part1, part2], axes[1:]):
        for cluster in set(part):
            ax.scatter(a[part == cluster, 0], a[part == cluster, 1], 
                       color=clr[cluster])

    m = '\n(method: {})'.format(method)
    plt.setp(axes[0], title='Screeplot{}'.format(m), xlabel='partition',
             ylabel='{}\ncluster distance'.format(m))
    plt.setp(axes[1], title='{} Clusters'.format(num_clust1))
    plt.setp(axes[2], title='{} Clusters'.format(num_clust2))

plt.tight_layout()
plt.show()

дает enter image description here