Ctrl+K
scipy.cluster.hierarchy.

is_valid_im#

scipy.cluster.hierarchy.is_valid_im(R, warning=False, throw=False, name=None)[原始碼]#

如果傳遞的不一致性矩陣有效，則返回 True。

它必須是一個 \(n\) 乘 4 的雙精度浮點數陣列。標準差 R[:,1] 必須是非負數。連結計數 R[:,2] 必須是正數且不大於 \(n-1\)。

參數:
Rndarray

要檢查有效性的不一致性矩陣。

warningbool, optional

當為 True 時，如果傳遞的連結矩陣無效，則發出 Python 警告。

throwbool, optional

當為 True 時，如果傳遞的連結矩陣無效，則拋出 Python 異常。

namestr, optional

此字串指的是無效連結矩陣的變數名稱。

返回:
bbool

如果不一致性矩陣有效，則為 True。

參見

linkage

有關連結矩陣的描述。

inconsistent

用於建立不一致性矩陣。

範例

>>> from scipy.cluster.hierarchy import ward, inconsistent, is_valid_im
>>> from scipy.spatial.distance import pdist

給定一個資料集 X，我們可以應用分群方法來獲得連結矩陣 Z。scipy.cluster.hierarchy.inconsistent 也可以用於獲得與此分群過程相關聯的不一致性矩陣 R

>>> 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 = ward(pdist(X))
>>> R = inconsistent(Z)
>>> Z
array([[ 0.        ,  1.        ,  1.        ,  2.        ],
       [ 3.        ,  4.        ,  1.        ,  2.        ],
       [ 6.        ,  7.        ,  1.        ,  2.        ],
       [ 9.        , 10.        ,  1.        ,  2.        ],
       [ 2.        , 12.        ,  1.29099445,  3.        ],
       [ 5.        , 13.        ,  1.29099445,  3.        ],
       [ 8.        , 14.        ,  1.29099445,  3.        ],
       [11.        , 15.        ,  1.29099445,  3.        ],
       [16.        , 17.        ,  5.77350269,  6.        ],
       [18.        , 19.        ,  5.77350269,  6.        ],
       [20.        , 21.        ,  8.16496581, 12.        ]])
>>> R
array([[1.        , 0.        , 1.        , 0.        ],
       [1.        , 0.        , 1.        , 0.        ],
       [1.        , 0.        , 1.        , 0.        ],
       [1.        , 0.        , 1.        , 0.        ],
       [1.14549722, 0.20576415, 2.        , 0.70710678],
       [1.14549722, 0.20576415, 2.        , 0.70710678],
       [1.14549722, 0.20576415, 2.        , 0.70710678],
       [1.14549722, 0.20576415, 2.        , 0.70710678],
       [2.78516386, 2.58797734, 3.        , 1.15470054],
       [2.78516386, 2.58797734, 3.        , 1.15470054],
       [6.57065706, 1.38071187, 3.        , 1.15470054]])

現在我們可以使用 scipy.cluster.hierarchy.is_valid_im 來驗證 R 是否正確

>>> is_valid_im(R)
True

但是，如果 R 構造錯誤（例如，其中一個標準差設定為負值），則檢查將會失敗

>>> R[-1,1] = R[-1,1] * -1
>>> is_valid_im(R)
False
在本頁中