scipy.cluster.hierarchy.

median#

scipy.cluster.hierarchy.median(y)[source]#

执行中位数/WPGMC 联动。

有关返回结构和算法的更多信息，请参阅 linkage。

以下是一些常见的调用惯例

  1. Z = median(y)

    对凝聚距离矩阵 y 执行中位数/WPGMC 联动。有关返回结构和算法的更多信息，请参阅 linkage。

  2. Z = median(X)

    使用欧氏距离作为距离度量，对观测矩阵 X 执行中位数/WPGMC 联动。有关返回结构和算法的更多信息，请参阅 linkage。

参数:
yndarray

一个压缩距离矩阵。压缩距离矩阵是一个扁平数组，包含距离矩阵的上三角。这是 pdist 返回的形式。或者，可以将 m 维度中 m 个观测向量的集合作为 m×n 数组传递。

返回:
Zndarray

以宗族关系矩阵编码的分层聚类。

另请参阅

linkage

用于高级创建层次聚类。

scipy.spatial.distance.pdist

成对距离度量

示例

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

首先，我们需要一个玩具数据集来玩玩

x x    x x
x        x

x        x
x x    x x

>>> 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]]

然后，我们从此数据集中获取压缩距离矩阵

>>> y = pdist(X)

最后，我们可以执行聚类

>>> Z = median(y)
>>> 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.        ]])

宗族关系矩阵 Z 表示树状结构，请参阅 scipy.cluster.hierarchy.linkage 了解其内容的详细说明。

我们可以使用 scipy.cluster.hierarchy.fcluster 看到给定距离阈值，每个初始点将属于哪个群集

>>> fcluster(Z, 0.9, criterion='distance')
array([ 7,  8,  9, 10, 11, 12,  1,  2,  3,  4,  5,  6], dtype=int32)
>>> fcluster(Z, 1.1, criterion='distance')
array([5, 5, 6, 7, 7, 8, 1, 1, 2, 3, 3, 4], dtype=int32)
>>> fcluster(Z, 2, criterion='distance')
array([3, 3, 3, 4, 4, 4, 1, 1, 1, 2, 2, 2], dtype=int32)
>>> fcluster(Z, 4, criterion='distance')
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1], dtype=int32)

此外，可以使用 scipy.cluster.hierarchy.dendrogram 生成树状结构图。

在本页中