scipy.cluster.hierarchy.

maxdists#

scipy.cluster.hierarchy.maxdists(Z)[源代码]#

返回任何非单元素组之间的最大距离。

参数:
Zndarray

按矩阵编码的层次聚类。有关详细信息，请参阅 linkage。

返回:
maxdistsndarray

一个 (n-1) 大小的双精度 numpy 数组；MD[i] 表示包括与节点 i 索引相同的节点在内的所有节点之间的最大距离。更具体地说，MD[i] = Z[Q(i)-n, 2].max() 其中 Q(i) 是包括与节点 i 索引相同的节点在内的所有节点索引的集合。

另请参见

linkage

有关联结矩阵的描述。

is_monotonic

用于测试连接矩阵是否是单调的。

示例

>>> from scipy.cluster.hierarchy import median, maxdists
>>> from scipy.spatial.distance import pdist

给定联结矩阵 Z，scipy.cluster.hierarchy.maxdists 为生成的每个新集群（即，联结矩阵的每一行）计算任何两个子集群之间的最大距离。

由于分层聚类的性质，在很多情况下，这仅仅是合并用来形成当前群集的两个子群集之间的距离——即 Z[:,2]。

然而，对于 scipy.cluster.hierarchy.median 聚类等非单调聚类分配，情况并非总是如此：可能有聚类组成的合并两个群集之间的距离小于其子代之间的距离。

我们可以在示例中看到这一点

>>> 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]]

>>> Z = median(pdist(X))
>>> Z
array([[ 0.        ,  1.        ,  1.        ,  2.        ],
       [ 3.        ,  4.        ,  1.        ,  2.        ],
       [ 9.        , 10.        ,  1.        ,  2.        ],
       [ 6.        ,  7.        ,  1.        ,  2.        ],
       [ 2.        , 12.        ,  1.11803399,  3.        ],
       [ 5.        , 13.        ,  1.11803399,  3.        ],
       [ 8.        , 15.        ,  1.11803399,  3.        ],
       [11.        , 14.        ,  1.11803399,  3.        ],
       [18.        , 19.        ,  3.        ,  6.        ],
       [16.        , 17.        ,  3.5       ,  6.        ],
       [20.        , 21.        ,  3.25      , 12.        ]])
>>> maxdists(Z)
array([1.        , 1.        , 1.        , 1.        , 1.11803399,
       1.11803399, 1.11803399, 1.11803399, 3.        , 3.5       ,
       3.5       ])

请注意，在创建最后一个群集时合并的两个群集之间的距离为 3.25，而有两个子代（群集 16 和 17）的距离更大（3.5）。因此，scipy.cluster.hierarchy.maxdists 在此情况下返回 3.5。

本页内容