不同数量的集群，无需每次都重新计算树

Question

我们在 python 中使用 sklearn 并尝试使用 full_tree 在一系列集群编号（即 N=2-9）上运行凝聚聚类（Wards），而无需为每个单独的 N 值重新计算树，通过使用缓存。这在 2016 年的一篇旧帖子中得到了回答，但该答案似乎不再有效。请参阅 (sklearn agglomerative clustering: dynamically updating the number of clusters)。 换句话说，在不同的 N 值上运行拟合，而不是每次都重新聚类。但是，我们遇到了语法错误，之后无法调用存储在缓存中的任何集群的标签。代码看起来像：

x = AgglomerativeClustering(memory="mycachedir", compute_full_tree=True

但是x.fit_predict(inputDF{2}) 不符合内存访问命令的语法 有人知道在这种情况下从缓存中调用标签的语法吗？谢谢 附：我是新手，如果我不清楚，请提前道歉。

2016 年发布的已尝试解决方案 (sklearn agglomerative clustering: dynamically updating the number of clusters)。

代码看起来像：

x = AgglomerativeClustering(memory="mycachedir", compute_full_tree=True

但是x.fit_predict(inputDF{2}) 不符合内存访问命令的语法

我们希望在给定的数组输入上运行聚类并检索每个集群的标签，当我们在一个范围内改变集群的数量“N”时，使用缓存而不是每次都重新计算树

Answer 1

sklearn API 非常适合这种情况。

最好使用 scipy 的凝聚聚类。因为它包含两个步骤：构建链接/树状图，然后从中提取平面聚类。第一步是使用 Ward 的 O(n³)，但我认为第二步只有 O(n)。在 ELKI 中也可以找到类似的方法。但不幸的是，sklearn 遵循这种源自分类的狭隘“拟合预测”视图，并且不支持这种两步法。

如果我没记错的话，scipy 中还有其他可用的功能，但 sklearn 中没有。看看吧。