Python 如何从SciPy';s层次凝聚聚类?
我正在使用SciPy的分层聚集聚类方法对特征的m x n矩阵进行聚类,但在聚类完成后,我似乎无法从结果聚类中获得质心。以下是我的代码:Python 如何从SciPy';s层次凝聚聚类?,python,numpy,scipy,hierarchical-clustering,Python,Numpy,Scipy,Hierarchical Clustering,我正在使用SciPy的分层聚集聚类方法对特征的m x n矩阵进行聚类,但在聚类完成后,我似乎无法从结果聚类中获得质心。以下是我的代码: Y = distance.pdist(features) Z = hierarchy.linkage(Y, method = "average", metric = "euclidean") T = hierarchy.fcluster(Z, 100, criterion = "maxclust") 我将获取特征矩阵,计算它们之间的欧几里德距离,然后将它们传递
Y = distance.pdist(features)
Z = hierarchy.linkage(Y, method = "average", metric = "euclidean")
T = hierarchy.fcluster(Z, 100, criterion = "maxclust")
我将获取特征矩阵,计算它们之间的欧几里德距离,然后将它们传递给分层聚类方法。从那里,我创建了平面集群,最多100个集群
现在,基于平面簇T,如何获得表示每个平面簇的1 x n质心?您可以这样做(
D
=维数):
这将为您提供一个以群集编号为键、以特定群集的质心为值的字典。一个可能的解决方案是使用一个函数,它返回一个带有质心的码本,如
scipy.cluster.vq中的kmeans
。你唯一需要的是用平面簇part
和原始观测值X
def to_codebook(X, part):
"""
Calculates centroids according to flat cluster assignment
Parameters
----------
X : array, (n, d)
The n original observations with d features
part : array, (n)
Partition vector. p[n]=c is the cluster assigned to observation n
Returns
-------
codebook : array, (k, d)
Returns a k x d codebook with k centroids
"""
codebook = []
for i in range(part.min(), part.max()+1):
codebook.append(X[part == i].mean(0))
return np.vstack(codebook)
那么最后发生了什么?你解决问题了吗?如何使用?我最终使用了scikit learn来实现此功能。请查看scikit中的哪个功能。感谢您的跟进。:)
def to_codebook(X, part):
"""
Calculates centroids according to flat cluster assignment
Parameters
----------
X : array, (n, d)
The n original observations with d features
part : array, (n)
Partition vector. p[n]=c is the cluster assigned to observation n
Returns
-------
codebook : array, (k, d)
Returns a k x d codebook with k centroids
"""
codebook = []
for i in range(part.min(), part.max()+1):
codebook.append(X[part == i].mean(0))
return np.vstack(codebook)