通过 scipy 给定相似矩阵的树状图

Question

我用 Python 计算了一个 jaccard 相似度矩阵。我想将最高相似度聚类到最低相似度，但是，无论我使用什么链接函数，它都会产生相同的树状图！我有一种感觉，该函数假设我的矩阵是原始数据，但我已经计算了第一个相似度矩阵。有什么方法可以将这个相似度矩阵传递给树状图，以便正确绘制？或者我是否必须输出矩阵并简单地使用 R 来完成。传递原始原始数据是不可能的，因为我正在计算单词的相似性。感谢您的帮助！

这是一些代码：

SimMatrix = [[ 0.,0.09259259,  0.125     ,  0.        ,  0.08571429],
   [ 0.09259259,  0.        ,  0.05555556,  0.        ,  0.05128205],
   [ 0.125     ,  0.05555556,  0.        ,  0.03571429,  0.05882353],
   [ 0.        ,  0.        ,  0.03571429,  0.        ,  0.        ],
   [ 0.08571429,  0.05128205,  0.05882353,  0.        ,  0.        ]]

linkage = hcluster.complete(SimMatrix) #doesnt matter what linkage...
dendro  = hcluster.dendrogram(linkage) #same plot for all types?
show()

如果您运行这段代码，您将看到一个完全反向的树状图。无论我使用哪种链接类型，它都会生成相同的树状图。这在直觉上是不正确的！

Answer 1

这是解决方案。事实证明，SimMatrix 需要首先转换为压缩矩阵（该矩阵的对角线、右上角或左下角）。您可以在下面的代码中看到这一点：

import scipy.spatial.distance as ssd
distVec = ssd.squareform(SimMatrix)
linkage = hcluster.linkage(1 - distVec)
dendro  = hcluster.dendrogram(linkage)
show()

通过 scipy 给定相似矩阵的树状图

Dendrogram through scipy given a similarity matrix

python

dendrogram

scipy

hcluster