scipy层次聚类_scipy.cluster.hierarchy

作者：喵喵爱编程 | 2024-07-01 01:45:45

踩

scipy.cluster.hierarchy

文章目录

linkage

linkage是scipy中的一个层次聚类函数，可将距离最近的数聚在一起，形成聚类簇；多个聚类簇再次聚类，得到更高层级的聚类簇。重复这个过程，直到所有的聚类簇都聚成一个最终的类。

其调用方法为

scipy.cluster.hierarchy.linkage(y, method='single', metric='euclidean', optimal_ordering=False)
1

其中method表示聚类方法；metric表示聚类时采用的距离。在详细介绍这两者的可选参数之前，先对linkage做一个简单示例。

from scipy.cluster.hierarchy import dendrogram, linkage
from matplotlib import pyplot as plt
X = [[i] for i in [2, 8, 0, 4, 1, 9, 9, 0]]

Z = linkage(X, 'single')
print(Z)
1
2
3
4
5
6

$Z$ 的结果如下，是一个二维数组，记 $X$ 的长度为 $n$ ，则 $Z$ 尺寸为 $(n-1)\times4$ 。其中 $Z_{i0}, Z_{i1}$ 属于第 $n + i$ 聚类簇，且二者之间的距离为 $Z_{i2}$ ， $Z_{i3}$ 表示对于一个新形成的聚类簇中的元素个数。

$i$	$Z_{i0}$	$Z_{i1}$	$Z_{i2}$	$Z_{i3}$	类别
0	2	7	0	2	8
1	5	6	0	2	9
2	0	4	1	2	10
3	8	10	1	4	11
4	1	9	1	3	12
5	3	11	2	5	13
6	12	13	4	8	14

$Z_{i0}, Z_{i1}$ 中的这些数显然不是从 $X$ 中抽取得到的，而是 $X$ 中每个元素的所属类别，映射如下

2	8	0	4	1	9	9	0
0	1	2	3	4	5	6	7

$Z$ 的第一行表示， $2$ 和 $7$ 组成一个簇，且 $2, 7$ 之间距离为0，根据上表， $2, 7$ 对应的是两个 $0$ ，所以二者之间的距离为0。且二者新形成的聚类簇为 $n + i = 8 + 0 = 8$ ，二者组成的簇共有两个元素。第二、三行与之类似。

第四行表明， $8$ 和 $10$ 之间距离为1，其中 $8$ 是由 $2, 7$ 两个位置的两个 $0$ 组成； $10$ 由 $0, 4$ 两个位置组成的，以此类推。

上面的矩阵可通过dendrogram进行可视化，结果如下

dn = dendrogram(Z)
plt.show()
1
2

在这里插入图片描述

method

可选方法及其含义如下

single 最小距离
complete 最大距离
average 平均距离
weighted 加权距离
centroid 中心距离
median 和中心距离相似
ward 基于Ward方差最小化算法

metric

可选距离包括下表

距离函数	备注	表达式
`braycurtis`	Bray-Curtis距离	$\frac{\sum\vert u_i-v_i\vert}{\sum\vert u_i+v_i\vert}$
`canberra`	Canberra距离	$\frac{\sum\vert u_i-v_i\vert}{\sum\vert u_i\vert+\vert v_i\vert}$
`chebyshev`	切比雪夫距离	$\max(\vec u-\vec v)$
`minkowski([,p])`	闵氏距离	$\Vert u-v\Vert_p$
`cityblock`	曼哈顿距离	$\sum\vert u_i-v_i\vert$
`euclidean`	欧氏距离	$\Vert u-v\Vert_2$
`sqeuclidean`	平方欧式距离	$\sum w_i\vert u_i-v_i\vert^2$
`cosine`	余弦距离	$1-\frac{u\cdot v}{\Vert u\Vert_2\Vert v\Vert_2}$
`correlation`	相关距离	$1-\frac{(u-\bar u)(v-\bar v)}{\Vert u-\bar u\Vert_2\Vert v-\bar v\Vert_2}$
jensenshannon	JS距离
mahalanobis	马氏距离
`seuclidean`	归一化欧式距离

距离函数	备注	表达式
dice	Dice距离	$\frac{\vert10\vert+\vert01\vert}{2\vert11\vert+\vert01\vert+\vert10\vert}$
hamming	汉明距离	$\frac{[01]+[10]}{N}$
jaccard	杰卡德距离	$\frac{\vert10\vert+\vert01\vert}{\vert11\vert+\vert01\vert+\vert10\vert}$
kulczynski1	Kulczynski距离	$\frac{[11]}{[01]+[10]}$
rogerstanimoto	谷本距离	$\frac{R}{[11]+[00]+R}$
russellrao	Russell&Rao距离	$\frac{N-[11]}{N}$
sokalmichener	Sokal-Michener距离	$\frac{R}{R+[11]+[00]}$
sokalsneath	Sokal-Sneath距离	$\frac{R}{[11]+[00]+R}$
yule	Yule距离	$\frac{2[01]\cdot[10]}{[11]\cdot[00]+[10]\cdot[01]}$

可用方法method，主要是针对距离的聚类算法，下面记D为距离值，d为采用的方法

signle $d(u,v)=\min(D(u_i,v_j))$
complete $d(u,v)=\max(D(u_i,v_j))$
average $d(u,v)=\sum_{i,j}\frac{D(u_i,v_j)}{}$
weighted $d(u,v)=\frac{d(s,v)+d(t,v)}{2}$
centroid $d(s,t)=\Vert c_s-c_t\Vert_2$

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/喵喵爱编程/article/detail/774676