BAFIMINARMTO

BA0662877255412996

FI6620295468268400

MI8772950754564138

NA2554687540219869

RM4122685642190669

TO9964001388696690

這是一個距離矩陣。不管是scipy還是fastcluster，都有一個計算距離矩陣的步驟（也可以不用）。距離矩陣是冗余的，因為它是對稱的。scipy里面的文檔好多的關于數學上的英文，讓我都搞糊涂了。distance = spatial.distance.pdist(data)，這段代碼里，data是一個矩陣，但不是距離矩陣，而是如http://www.shahuwang.com/?p=952 這篇文章中用到的數據形式，而最后算出來的distance只是一個數組，并不是矩陣，而且是一維數組，這是為什么呢？仔細看上面的那個矩陣，就知道我們只需要記錄對角線上或者下面的一部分就可以了。廢話不說，來看最簡單的一個層次聚類實現（我現在主要將scipy的，fastcluster的使用幾乎一樣）：

1

2from scipy.cluster.hierarchyimport fclusterdata

fclusterdata(matData,t=0.99,criterion='inconsistent',metric='euclidean',method='average',R=None)#這個不需要計算linkage就能直接出結果了

這里用到的matData來自于：http://www.shahuwang.com/?p=952 用到的數據，是矩陣形式的。輸出的結果如下：

array([15, 19, 20, 26, 23, 10, 26, 23, 18, 21, 20, 22, 10, 20, 1, 18, 11,

8, 4, 18, 21, 29, 25, 17, 18, 20, 24, 23, 3, 19, 12, 13, 15, 9,

18, 25, 16, 28, 5, 17, 25, 17, 1, 15, 7, 4, 14, 6, 20, 2, 4,

3, 9, 5, 2, 23, 1, 9, 25, 15, 23, 27, 16, 11, 22, 20, 12])

結果的意思，就是說我的矩陣的第一個數據現在被分到了第15個類中，后面的也都是這個意思，自己再整理一下，就能輸出美觀直觀的結果了。下面主要來講一下fclusterdata里面的參數的意思：

matData，這是要聚類的數據，t是一個閾值，小于1大于0,你可以根據輸出結果來設置這個閾值。criterion，是一個標準，它主要是確定形成最后結果（如上面的那個array）需要滿足什么條件，這個主要和 t 這個閾值進行合作。

1

2

3

4

5

6

7

8from scipy.cluster.hierarchyimport linkage ,fcluster,fclusterdata

import pandas as pd

data= pd.read_csv('/home/rickey/文檔/學習/數據挖掘與數據倉庫/數據挖掘作業/三圍數據',sep='t',index_col=0)

matData= data.as_matrix()

distance= spatial.distance.pdist(matData)

linkresult= linkage(distance,method='average',metric='euclidean')

fcluster(linkresult,t=0.99,criterion='inconsistent',depth=2,R=None,monocrit=None)#這個需要先計算linkage，再出結果

dendrogram(linkresult,get_leaves=False,show_leaf_counts=False)#這個可以繪制出樹形圖

這是更復雜一些的實現形式，主要有四個函數要注意，分別是pdist，linkage，fcluster，dendrogram。

這段代碼用的數據和前面那段是一樣的，結果也是一樣的。distance是一個距離數組（距離矩陣的一邊角），之前已經說明了pdist的作用了。linkage返回的是一個4×（n-1）的矩陣。比如我的數據是67個，返回的則是一個4×66的矩陣。這個矩陣的意思，scipy文檔上用的是這段話：“A 4 by

matrixZis returned. At the

-th iteration, clusters with indicesZ[i, 0]andZ[i, 1]are combined to form cluster

. A cluster with an index less than

corresponds to one of the

original observations. The distance between clustersZ[i, 0]andZ[i, 1]is given byZ[i, 2]. The fourth valueZ[i, 3]represents the number of original observations in the newly formed cluster.”

英語不濟，不是很看得明白。大概是說Z[i,0],Z[i,1]是組成n+i簇的之類的吧。

fcluster這個函數，則是把linkage算出的結果，形成一個平面數組，形成最后的聚類結果呈現出來。里面的參數和fclusterdata里面的意思是一樣的。

fcluster的這段代碼和fclusterdata的代碼相比，多了一些，不過，好處就是能設置更多的參數。

dendrogram的參數設置非常多，沒有完全搞明白，不過它會輸出一個字典，和一幅圖。字典里面有四個key，而圖則是樹形圖，如下：

不過，我覺得這個圖的用途不是很大，數據量一多，就什么都看不到了。

scipy里面關于層次聚類的函數還有不少，我也沒有搞懂，這里就不多說了。

總結

以上是生活随笔為你收集整理的python层次聚类_python实现层次聚类的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。