在相关系数上使用 Python 进行层次聚类

Question

我有 50 x 50 矩阵中的数据，代表 50 种期刊及其相关性。现在，我正在尝试根据数据绘制图表，显示这 50 种期刊属于哪些集群。

1) 我更喜欢使用完全链接或沃德的方法来做集群。 2）我被困在从哪里开始聚类，因为 scikit-learn 中的文档对我来说太技术性了 3）你能帮我启动一下吗？

提前非常感谢您...

我的所有数据都在 -1 和 1 之间，因为它是相关系数。

数据样本示例（50*50）：

数据 = [[ 1. 0.49319094 0.58838586 ..., 0.11433441 0.6450184 0.60842821]

[ 0.49319094 1. 0.39311674 ..., -0.00795401 0.42944597 0.68855177]

[ 0.58838586 0.39311674 1. ..., 0.39785574 0.864322 0.68910632]

...，

[ 0.11433441 -0.00795401 0.39785574 ..., 1. 0.38623474 0.34228516]

[ 0.6450184 0.42944597 0.864322 ..., 0.38623474 1. 0.65408474]

[ 0.60842821 0.68855177 0.68910632 ..., 0.34228516 0.65408474 1. ]]

Answer 1

Python 期望 距离，即低值更好。

Ward 是为平方欧几里德设计的，因此虽然它可能适用于相关性，但理论上的支持可能很弱。将支持完整的链接。

负相关呢？你想如何处理它们？

我相信我知道三种流行的转换：

1. 1 - p**2（取决于实现，这可能是 Ward 的一个不错的选择，因为它是正方形）
2. 1 - abs(p)
3. 1 - p（这会将负相关视为不好！）

确保将您的指标设置为precomputed。并习惯阅读 sklearn 文档。它是您会发现的技术含量最低的一种，因此您最好自己提高技术水平。