Я написал свою собственную процедуру кластеризации и хотел бы создать дендрограмму. Самый простой способ сделать это - использовать функцию scipy dendrogram. Однако для этого требуется, чтобы вход был в том же формате, что и функция scipy linkage. Я не могу найти пример того, как вывод этого форматируется. Мне было интересно, может ли кто-то там просветить меня.
Формат scipy linkage
Ответ 1
Это из scipy.cluster.hierarchy.linkage(), я думаю, что это довольно четкое описание для выходного формата:
A (n-1) на 4 матрицы Z возвращается. На i-й итерации кластеры с индексами Z [i, 0] и Z [i, 1] объединяются для формирования кластера n + i. Кластер с индексом меньше n соответствует одному из первоначальных наблюдений. Расстояние между кластерами Z [i, 0] и Z [i, 1] задается Z [i, 2]. Четвертое значение Z [i, 3] представляет количество исходных наблюдений во вновь образованном кластере.
Вам нужно что-то еще?
Ответ 2
Я согласен с https://stackoverflow.com/users/1167475/mortonjt в том, что документация не полностью объясняет индексацию промежуточных кластеров, в то время как я согласен с https://stackoverflow.com/users/1354844/dkar, что формат в противном случае точно объясняется.
Используя данные примера из этого вопроса: Учебник для scipy.cluster.hierarchy
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]])
Матрица связей может быть построена с использованием единственной (то есть ближайших совпадающих точек):
z = hac.linkage(a, method="single")
array([[ 7. , 9. , 0.3 , 2. ],
[ 4. , 6. , 0.5 , 2. ],
[ 5. , 12. , 0.5 , 3. ],
[ 2. , 13. , 0.53851648, 4. ],
[ 3. , 14. , 0.58309519, 5. ],
[ 1. , 15. , 0.64031242, 6. ],
[ 10. , 11. , 0.72801099, 3. ],
[ 8. , 17. , 1.2083046 , 4. ],
[ 0. , 16. , 1.5132746 , 7. ],
[ 18. , 19. , 1.92353841, 11. ]])
Поскольку в документации объясняются кластеры ниже n (здесь: 11), это просто точки данных в исходной матрице A. Промежуточные кластеры, идущие вперёд, индексируются последовательно.
Таким образом, кластеры 7 и 9 (первое слияние) объединяются в кластер 11, кластеры 4 и 6 в 12. Затем наблюдайте третью строку, объединяя кластеры 5 (из А) и 12 (из непроявленного промежуточного кластера 12), что приводит к расстоянию внутри кластера (WCD) 0,5. Единственный метод предполагает, что новый WCS равен 0,5, что является расстоянием между A [5] и ближайшей точкой в кластере 12, A [4] и A [6]. Пусть проверьте:
In [198]: norm([a[5]-a[4]])
Out[198]: 0.70710678118654757
In [199]: norm([a[5]-a[6]])
Out[199]: 0.5
Теперь этот кластер должен быть промежуточным кластером 13, который впоследствии сливается с A [2]. Таким образом, новое расстояние должно быть самым близким к точкам A [2] и A [4,5,6].
In [200]: norm([a[2]-a[4]])
Out[200]: 1.019803902718557
In [201]: norm([a[2]-a[5]])
Out[201]: 0.58309518948452999
In [202]: norm([a[2]-a[6]])
Out[202]: 0.53851648071345048
Что, как можно видеть, также проверяет и объясняет промежуточный формат новых кластеров.
Ответ 3
Скупичная документация точна, как указал dkar... но немного сложно превратить возвращенные данные в то, что можно использовать для дальнейшего анализа.
По моему мнению, они должны включать возможность возврата данных в дерево, например, в структуру данных. Следующий код будет проходить через матрицу и построить дерево:
from scipy.cluster.hierarchy import linkage
import numpy as np
a = np.random.multivariate_normal([10, 0], [[3, 1], [1, 4]], size=[100,])
b = np.random.multivariate_normal([0, 20], [[3, 1], [1, 4]], size=[50,])
centers = np.concatenate((a, b),)
def create_tree(centers):
clusters = {}
to_merge = linkage(centers, method='single')
for i, merge in enumerate(to_merge):
if merge[0] <= len(to_merge):
# if it is an original point read it from the centers array
a = centers[int(merge[0]) - 1]
else:
# other wise read the cluster that has been created
a = clusters[int(merge[0])]
if merge[1] <= len(to_merge):
b = centers[int(merge[1]) - 1]
else:
b = clusters[int(merge[1])]
# the clusters are 1-indexed by scipy
clusters[1 + i + len(to_merge)] = {
'children' : [a, b]
}
# ^ you could optionally store other info here (e.g distances)
return clusters
print create_tree(centers)