Python 在sklearn'中提取从根到叶的路径；s凝聚聚类

给定由

sklearn.aggregativeclustering

创建的聚合集群的某些特定叶节点，我试图确定从根节点（所有数据点）到给定叶节点的路径，以及每个中间步骤（树的内部节点）对应数据点的列表，请参见下面的示例

---

在这个例子中，我考虑了五个数据点，并将重点放在点3上，这样我想提取从根开始并在叶3结束的每一步中所考虑的实例，因此期望的结果是[[1,2，3,4]，[1,3,4]，[3,4]，[3 ] ]。如何使用sklearn实现这一点（或者如果使用其他库无法实现这一点）？

下面的代码首先查找焦点的所有祖先（使用下面的查找祖先函数），然后查找并添加每个祖先的所有后代（查找祖先）

首次加载和训练数据：

iris = load_iris()
N = 10
x = iris.data[:N]
model = AgglomerativeClustering(compute_full_tree=True).fit(x)

以下是主要代码：

ans = []
for a in find_ancestor(3)[::-1]:
    ans.append(find_descendent(a))
print(ans)

在我的案例中，哪些输出：

[[1, 9, 8, 6, 2, 3, 5, 7, 0, 4],
 [1, 9, 8, 6, 2, 3],
 [8, 6, 2, 3],
 [6, 2, 3],
 [2, 3],
 [3]]

要理解

查找祖先的代码

，请记住索引为

i

的非叶节点的两个子节点位于

模型。子节点[i]

def find_ancestor(target):
    for ind,pair in enumerate(model.children_):
        if target in pair:
            return [target]+find_ancestor(N+ind)
    return [ind+N]

递归的

find_后代

使用

mem

将其输出保存在内存中，这样它们就不会得到不必要的重新计算

mem = {}
def find_descendent(node):
    global mem
    if node in mem: return mem[node]
    if node<N: return [node]
    pair = model.children_[node-N]
    mem[node] = find_descendent(pair[0])+find_descendent(pair[1])
    return mem[node]

mem={}
def查找_子代（节点）：
全球成员
if mem中的节点：返回mem[node]
if节点