我可以使用层次聚类来获取集群的特征吗 - numpy

Question

我正在尝试对 m*n 数组进行层次聚类。

1. 输入数组：500 * 1000（1000 个特征，500 个观察值）
2. 使用自定义的 pdist 函数计算距离矩阵
3. 将此距离矩阵提供给链接函数： clusters = sch.linkage(distanceMatrix,'single')
4. 形成扁平簇： fc = sch.fcluster(clusters,cutoff,'距离')

这给了我一些集群（大约 80 个，使用截止值 6.0）。 现在，无论如何，我也可以获得与每个集群对应的 1000 个特征吗？ （就像我们使用 K-means 聚类获得质心的特征一样）。

Answer 1

层次聚类中的聚类（或者除了 k-means 和 Gaussian Mixture EM 之外的几乎任何东西，仅限于“球形” - 实际上：凸 - 聚类）确实不一定有合理的手段。 p>

因为它们允许非球形集群。这实际上是一个功能......

https://en.wikipedia.org/wiki/Cluster_analysis#Connectivity_based_clustering_.28hierarchical_clustering.29

查看标题为“链接聚类示例”的右图。在这个“香蕉”示例中，集群有什么好处？ 质心甚至可能不在集群中！

请注意，如果需要，您仍然可以自己计算质心。由于聚类算法不需要质心，显然它不会自动为您计算它。