如何读取 scipy 层次集群的内容

Question

我有以下代码，我用它来分层聚类。我的数据对象是我之前计算的相似距离数组。我认为我正在正确执行集群。我以为我可以只得到集群的叶子，但是当我将它与原始输入进行比较时，我得到了不匹配的结果。

我有两个问题：

为什么我的集群的叶子和我的实际输入数据不匹配？

如何通过链接矩阵或集群节点从集群中提取原始数据？

import numpy as np
import pandas
import scipy.cluster.hierarchy as sch

def list_difference(list1, list2):
    return [value for value in list1 if value not in list2]


if __name__ == '__main__':

    # example data for this questions purpose.
    data = [10, 11, 29, 288, 16]

    X = np.array([[i] for i in data])
    linkage_matrix = sch.average(X)
    rootnode, nodelist = sch.to_tree(linkage_matrix, rd=True)

    leaves = sch.leaves_list(linkage_matrix)
    print(list_difference(leaves, data))

我想检索每个集群的原始数据点。

Answer 1

根据您的数据

data = [10, 11, 29, 288, 16]

结果与树状图兼容

sch.dendrogram(linkage_matrix);

分析linkage_matrix我们可以确认

print(linkage_matrix)

array([[  0.        ,   1.        ,   1.        ,   2.        ],
       [  4.        ,   5.        ,   5.5       ,   3.        ],
       [  2.        ,   6.        ,  16.66666667,   4.        ],
       [  3.        ,   7.        , 271.5       ,   5.        ]])

我们有一行一行

• 元素 0 和元素 1，距离为 1 的簇中包含 2 个元素（此簇将称为 5）
• 元素 4 与集群元素 5（前一个），距离 5.5 和 3 个元素（此集群将被称为 6）
• 元素 2 与聚类元素 6（前一个），距离 16.667 和 4 个元素（这个聚类将被称为 7）
• 元素 3 和集群元素 7（前一个），距离 271.5 和 5 个元素