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。库
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
Z
和X
(以压缩形式)>>> correspond(Z, X_condensed) True