層次聚類

原理

有一個(gè)講得很清楚的博客：博客地址
主要用于：沒(méi)有g(shù)roundtruth，且不知道要分幾類的情況

用scipy模塊實(shí)現(xiàn)聚類

參考函數(shù)說(shuō)明：
pdist
squareform
linkage
fcluster

scipy.spatial.distance.pdist：計(jì)算點(diǎn)之間的距離，返回的是一個(gè)壓縮過(guò)的距離矩陣，即一行距離數(shù)據(jù)，減少了方陣中數(shù)據(jù)重復(fù)占用的空間。

scipy.spatial.distance.squareform：距離矩陣的方陣與壓縮矩陣相互轉(zhuǎn)換函數(shù)

scipy.cluster.hierarchy.linkage：層次聚類函數(shù)，返回一個(gè)四列的數(shù)據(jù)，第一和第二列是該次聚合的類序號(hào)，第三列是這兩類間聚類，第四列是該類中包含多少元素?cái)?shù)據(jù)

scipy.cluster.hierarchy.fcluster：根據(jù)指定閾值和linkage生成的聚類樹(shù)得到最終的聚類結(jié)果。

例： 已有距離矩陣，進(jìn)行層次聚類

import scipy import scipy.cluster.hierarchy as sch import numpy as np import msgpack# 讀取距離矩陣 f = open("distance.msgpack", "r") dis = msgpack.loads(f.read()) dis_arr = np.array(dis)# 壓縮距離矩陣 disMat = scipy.spatial.distance.squareform(dis_arr)# 生成聚類樹(shù) Z=sch.linkage(disMat,method='average') print Z# 得到聚類結(jié)果 cluster= sch.fcluster(Z, 0.2, 'distance')print cluster

轉(zhuǎn)載于:https://www.cnblogs.com/dplearning/p/8574850.html

總結(jié)

以上是生活随笔為你收集整理的【层次聚类】python scipy实现的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。