如何在Python中从scipy中的链接/距离矩阵计算集群分配？

如果在Python中的scipy中有此分层集群调用：

from scipy.cluster.hierarchy import linkage
# dist_matrix is long form distance matrix
linkage_matrix = linkage(squareform(dist_matrix), linkage_method)

那么，从这一点到单个点的群集分配，有什么有效的方法？i、 e.长度为

N

的向量，其中

N

是点数，其中每个条目

i

是点数

i

的聚类数，给定给定阈值

thresh

对结果聚类产生的聚类数

澄清一下：集群编号将是在对树应用阈值后它所在的集群。在这种情况下，您将为其所在集群的每个叶节点获得一个唯一的集群。独特之处在于，每个点都属于一个“最特定的簇”，该簇由切割树状图的阈值定义

---

我知道

scipy.cluster.hierarchy.fclusterdata

将此集群分配作为其返回值，但我从自定义的距离矩阵和距离度量开始，因此我无法使用

fclusterdata

。问题归结为：我如何计算什么是

fclusterdata

计算的——集群分配？

如果我理解正确，那就是：

scipy.cluster.hierarchy.fcluster（Z，t，条件='unconstance'，深度=2，R=None，monocrit=None）

从链接矩阵Z定义的层次聚类形成平面聚类

返回：长度为n的数组。T[i]是原始观测值i所属的平坦簇数

---

因此，只需调用

fcluster（linkage\u matrix，t）

，其中

t

是您的阈值。

如果您想查看每个集群级别的成员以及它们的聚集顺序，请参见如果您将squareform（dist\u matrix）赋予linkage（），则该矩阵被视为观察值，聚类结果可能不正确。您可以直接将距离矩阵的压缩向量作为linkage（）的输入。更多详细信息请参见：您可以选择的一个选项是取Z的平均距离（avg（Z[：，2]）列。一旦获得平均值，您就可以从该列中剪切。这不是一个通用方法，但您可以尝试。确切地说，这将输出集群标签。