scipy.cluster.hierarchy.

single#

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

在壓縮距離矩陣 y 上執行 single/min/nearest linkage。

參數:

yndarray: 距離矩陣的上三角部分。 pdist 的結果會以此形式傳回。

回傳值:

Zndarray: 連結矩陣。

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 single, 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壓縮距離矩陣

>>> y = pdist(X)

最後，我們可以執行分群

>>> Z = single(y)
>>> Z
array([[ 0.,  1.,  1.,  2.],
       [ 2., 12.,  1.,  3.],
       [ 3.,  4.,  1.,  2.],
       [ 5., 14.,  1.,  3.],
       [ 6.,  7.,  1.,  2.],
       [ 8., 16.,  1.,  3.],
       [ 9., 10.,  1.,  2.],
       [11., 18.,  1.,  3.],
       [13., 15.,  2.,  6.],
       [17., 20.,  2.,  9.],
       [19., 21.,  2., 12.]])

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

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,  4,  5,  6,  1,  2,  3], dtype=int32)
>>> fcluster(Z, 1, criterion='distance')
array([3, 3, 3, 4, 4, 4, 2, 2, 2, 1, 1, 1], dtype=int32)
>>> fcluster(Z, 2, 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。