独自のクラスタリングルーチンを作成し、樹状図を作成したいと思います。これを行う最も簡単な方法は、scipy樹状図関数を使用することです。ただし、これには、scipyリンケージ関数が生成するのと同じ形式の入力が必要です。これの出力がどのようにフォーマットされているかの例を見つけることができません。誰かが私を啓発できるかどうか疑問に思いました。
33496 次
5 に答える
48
私はhttps://stackoverflow.com/users/1167475/mortonjtに同意しますが、ドキュメントでは中間クラスターのインデックス作成について完全には説明されていませんが、https：//stackoverflow.com/users/1354844/dkarには同意します。それ以外の場合、形式は正確に説明されています。
この質問のサンプルデータの使用：scipy.cluster.hierarchyのチュートリアル
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]])
リンケージマトリックスは、単一の（つまり、最も近い一致点）を使用して構築できます。
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. ]])
ドキュメントで説明されているように、n以下のクラスター（ここでは11）は、元の行列Aのデータポイントにすぎません。今後の中間クラスターには、連続してインデックスが付けられます。
したがって、クラスター7と9（最初のマージ）はクラスター11にマージされ、クラスター4と6は12にマージされます。次に、行3を観察し、クラスター5（Aから）と12（表示されていない中間クラスター12から）をマージします。 0.5のクラスター内距離（WCD）。単一の方法では、新しいWCSが0.5である必要があります。これは、A [5]と、クラスター12、A[4]およびA[6]の最も近いポイントとの間の距離です。確認しよう：
In [198]: norm([a[5]-a[4]])
Out[198]: 0.70710678118654757
In [199]: norm([a[5]-a[6]])
Out[199]: 0.5
このクラスターは中間クラスター13になり、その後A[2]とマージされます。したがって、新しい距離は、点A[2]とA[4,5,6]の間で最も近いはずです。
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
ご覧のとおり、これもチェックアウトし、新しいクラスターの中間形式を説明します。
于 2016-12-05T21:23:58.613 に答える
41
これはscipy.cluster.hierarchy.linkage（）関数のドキュメントからのものであり、出力形式のかなり明確な説明だと思います。
A（n -1）x4の行列Zが返されます。i番目の反復で、インデックスZ [i、0]およびZ [i、1]を持つクラスターが結合されてクラスターn + iが形成されます。インデックスがn未満のクラスターは、元の観測値の1つに対応します。クラスターZ[i、0]とZ [i、1]の間の距離は、Z [i、2]で与えられます。4番目の値Z[i、3]は、新しく形成されたクラスター内の元の観測値の数を表します。
もっと何か必要ですか？
于 2012-06-08T21:33:20.540 に答える
12
dkarが指摘したように、scipyのドキュメントは正確です...しかし、返されたデータをさらに分析できるものに変換するのは少し難しいです。
私の意見では、データ構造のようなツリーでデータを返す機能を含める必要があります。以下のコードは、マトリックスを反復処理してツリーを構築します。
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)
于 2017-01-20T06:25:03.347 に答える
0
同じ機能を実行する別のコードを次に示します。このバージョンは、各クラスター（node_id）の距離（サイズ）を追跡し、メンバーの数を確認します。
これは、Aggregatorclustererの同じ基盤であるscipylinkage（）関数を使用します。
from scipy.cluster.hierarchy import linkage
import copy
Z = linkage(data_x, 'ward')
n_points = data_x.shape[0]
clusters = [dict(node_id=i, left=i, right=i, members=[i], distance=0, log_distance=0, n_members=1) for i in range(n_points)]
for z_i in range(Z.shape[0]):
row = Z[z_i]
cluster = dict(node_id=z_i + n_points, left=int(row[0]), right=int(row[1]), members=[], log_distance=np.log(row[2]), distance=row[2], n_members=int(row[3]))
cluster["members"].extend(copy.deepcopy(members[cluster["left"]]))
cluster["members"].extend(copy.deepcopy(members[cluster["right"]]))
clusters.append(cluster)
on_split = {c["node_id"]: [c["left"], c["right"]] for c in clusters}
up_merge = {c["left"]: {"into": c["node_id"], "with": c["right"]} for c in clusters}
up_merge.update({c["right"]: {"into": c["node_id"], "with": c["left"]} for c in clusters})
于 2019-02-10T17:07:31.730 に答える
