Scikit learn 聚集聚集scikit学习连通性

调用凝聚聚类后，我希望数据分为两个聚类（0-3）和（4-7），即标签\=[0,0,0,1,1,1,1]，但是标签列表是[0,0,0,1,0,0,0,1]

我的代码如下

s=aggregativeclustering（affinity='precomputed'，n_clusters=2，linkage='complete）
s、 安装（x）

---

代码是否包含任何错误？为什么群集不符合预期

错误在于如何指定连接矩阵。根据您的描述，我假设您的矩阵表示点之间的链接，[0/1]表示[无链接/链接]。然而，该算法将其视为成对距离的矩阵，这就是为什么会得到意外的结果

你可以通过简单的变换将你的亲和矩阵转换成一种距离矩阵；e、 g

I have a matrix x=  
[[0,1,1,1,0,0,0,0],
[1,0,1,1,0,0,0,0],
[1,1,0,1,0,0,0,0],
[1,1,1,0,0,0,0,0],
[0,0,0,0,0,1,1,1],
[0,0,0,0,1,0,1,1],
[0,0,0,0,1,1,0,1],
[0,0,0,0,1,1,1,0],]

---

更好的做法是对用于生成此关联矩阵的数据使用实际距离度量。

在仔细研究了几个示例后，我觉得，

凝聚聚类

将“关联”矩阵解释为距离矩阵，尽管我在任何地方都找不到指定的距离矩阵。这意味着应该切换0和1

也只考虑矩阵的上三角部分（其他都是冗余的）。< /P> 我认为将

x

定义为：

>>> x = np.array(x)
>>> s.fit(np.exp(-x))
>>> s.labels_
array([1, 1, 1, 1, 0, 0, 0, 0])

---

将为您提供预期结果。

是样本矩阵还是连通矩阵？如果删除关联参数，将获得所需的结果。

x=  
[[0,0,0,0,1,1,1,1],
[ 0,0,0,0,1,1,1,1],
[ 0,0,0,0,1,1,1,1],
[ 0,0,0,0,1,1,1,1],
[ 0,0,0,0,0,0,0,0],
[ 0,0,0,0,0,0,0,0],
[ 0,0,0,0,0,0,0,0],
[ 0,0,0,0,0,0,0,0],]