在Python中将相关矩阵聚类成多个最大相关矩阵

Question

假设我计算了 500 只股票价格的相关性，并将它们存储在一个 500x500 的相关矩阵中，对角线上为 1。

如何将相关性聚类成更小的相关性矩阵（在 Python 中），以使每个矩阵中股票的相关性最大化？意思是说，我想对股票进行聚类，使得在每个聚类中，股票价格都相互高度相关。

我可以聚集成多少个较小的矩阵没有上限，尽管最好它们的大小相似，即拥有 3 个 100x100 矩阵和 1 个 200x200 矩阵比说 10x10 矩阵、90x90 矩阵和 400x400 矩阵更好。 （即最小化矩阵大小的标准偏差）。

最好在 Python 中完成。我尝试查找 SciPy 的聚类库，但尚未找到解决方案（我是 SciPy 的新手和此类统计编程问题）。

非常感谢任何为我指明正确方向的帮助！

Answer 1

这里明显的选择是层次凝聚聚类。

请注意，大多数工具（例如 sklearn）都需要一个 distance 矩阵。但它可以用 similarity 矩阵代替。然后你可以使用相关性。这是教科书。