scipy.cluster.hierarchy.

correspond#

scipy.cluster.hierarchy.correspond(Z, Y)[source]#

检查链接矩阵和压缩距离矩阵之间的一致性。

它们必须具有相同数量的原始观测值,才能使检查成功。

此函数在大量使用链接矩阵和距离矩阵的算法中用作健全性检查,这些矩阵必须对应于同一组原始观测值。

参数:
Zarray_like

要检查一致性的链接矩阵。

Yarray_like

要检查一致性的压缩距离矩阵。

返回:
bbool

一个布尔值,指示链接矩阵和距离矩阵是否可能彼此对应。

参见

linkage

有关链接矩阵的描述。

备注

correspond 除了 NumPy 之外,还对 Python Array API Standard 兼容后端提供实验性支持。请考虑通过设置环境变量 SCIPY_ARRAY_API=1 并提供 CuPy、PyTorch、JAX 或 Dask 数组作为数组参数来测试这些功能。支持以下后端和设备(或其他功能)的组合。

CPU

GPU

NumPy

n/a

CuPy

n/a

PyTorch

JAX

Dask

n/a

有关更多信息,请参阅 支持数组 API 标准

示例

>>> from scipy.cluster.hierarchy import ward, correspond
>>> from scipy.spatial.distance import pdist

此方法可用于检查给定的链接矩阵 Z 是否是通过对数据集 X 应用聚类方法获得的

>>> X = [[0, 0], [0, 1], [1, 0],
...      [0, 4], [0, 3], [1, 4],
...      [4, 0], [3, 0], [4, 1],
...      [4, 4], [3, 4], [4, 3]]
>>> X_condensed = pdist(X)
>>> Z = ward(X_condensed)

在这里,我们可以比较 ZX (以压缩形式)

>>> correspond(Z, X_condensed)
True