Ctrl+K
scipy.cluster.hierarchy.

centroid#

scipy.cluster.hierarchy.centroid(y)[原始碼]#

執行質心/UPGMC 連結法。

請參閱 linkage 以取得關於輸入矩陣、回傳結構和演算法的更多資訊。

以下為常見的呼叫慣例

  1. Z = centroid(y)

    對壓縮距離矩陣 y 執行質心/UPGMC 連結法。

  2. Z = centroid(X)

    對觀測矩陣 X 執行質心/UPGMC 連結法，並使用歐幾里得距離作為距離度量。

參數:
yndarray

壓縮距離矩陣。壓縮距離矩陣是一個平面陣列，包含距離矩陣的上三角部分。這是 pdist 回傳的形式。或者，也可以傳遞 m 個 n 維觀測向量的集合作為 m 乘 n 的陣列。

回傳:
Zndarray

包含階層式分群的連結矩陣。請參閱 linkage 函數的文件以取得關於其結構的更多資訊。

另請參閱

linkage

用於進階建立階層式分群。

scipy.spatial.distance.pdist

成對距離度量

範例

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

首先，我們需要一個玩具資料集來玩玩

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]]

然後，我們從這個資料集取得一個壓縮距離矩陣

>>> y = pdist(X)

最後，我們可以執行分群

>>> Z = centroid(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.        ,  3.33333333,  6.        ],
       [16.        , 17.        ,  3.33333333,  6.        ],
       [20.        , 21.        ,  3.33333333, 12.        ]]) # may vary

連結矩陣 Z 代表一個樹狀圖 - 請參閱 scipy.cluster.hierarchy.linkage 以取得關於其內容的詳細說明。

我們可以利用 scipy.cluster.hierarchy.fcluster 來查看在給定距離閾值的情況下，每個初始點會屬於哪個群集

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

此外，scipy.cluster.hierarchy.dendrogram 可以用來產生樹狀圖的繪圖。

本頁面