您如何在 scipy 中访问 ward/centroid/median 集群？

Question

当使用 scipy.spatial.distance.pdist 创建压缩距离矩阵并将其传递给 ward 时，出现此错误：

Valid methods when the raw observations are omitted are 'single', 'complete', 'weighted', and 'average' error.

虽然文档说 linkage() 函数需要一个压缩距离矩阵。我该如何解决这个问题？

foo = np.random.randint(3, size=(10,10))
scipy.spatial.distance.pdist(foo)
scipy.cluster.hierarchy.linkage(foo)
bar = scipy.spatial.distance.pdist(foo)
scipy.cluster.hierarchy.linkage(bar, method='ward')

给出：

 Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
      File "/usr/lib/python2.7/dist-packages/scipy /cluster/hierarchy.py", line 627, in linkage
raise ValueError("Valid methods when the raw observations are "
 ValueError: Valid methods when the raw observations are omitted are 'single', 'complete', 'weighted', and 'average'.

我稍微搜索了一下，发现 this link，表明其他一些人也有这个问题，但我找不到解决方法来以 scipy 接受的形式提供数据.

Answer 1

来自文档字符串：

y : ndarray

A condensed or redundant distance matrix. A condensed distance matrix is a flat array containing the upper triangular of the distance matrix. This is the form that pdist returns. Alternatively, a collection of m observation vectors in n dimensions may be passed as an m by n array.

传递原始 观察 x 维度 数组 foo 似乎有效：

scipy.cluster.hierarchy.linkage(foo, method='ward')

给出：

array([[  1.        ,   2.        ,   2.23606798,   2.        ],
       [  5.        ,   8.        ,   2.23606798,   2.        ],
       [  3.        ,   7.        ,   2.64575131,   2.        ],
       [  9.        ,  11.        ,   2.64575131,   3.        ],
       [  0.        ,  10.        ,   3.31662479,   3.        ],
       [ 12.        ,  13.        ,   3.71483512,   5.        ],
       [  6.        ,  14.        ,   4.12310563,   4.        ],
       [  4.        ,  16.        ,   4.17133072,   5.        ],
       [ 15.        ,  17.        ,   5.5136195 ,  10.        ]])

我同意 linkage() 的文档至少可以改进。

Answer 2

scipy.cluster.hierarchy.linkage(y, method) returns 当 y 是距离矩阵或数据矩阵时，单个、完整、平均、加权的正确结果。但是对于centroid、median和ward方法，y必须是数据矩阵，如果y是距离矩阵就会出错。我同意文档不清楚。

from scipy.cluster.hierarchy import linkage
from scipy.spatial.distance import pdist

inp = np.loadtxt('iris.txt',delimiter=",", usecols=(0,1,2,3))
x = np.asarray(inp)
Y = pdist(x,'euclidean')
res_linkage = linkage(x,"weighted")`

您可以通过在 linkage() 函数中输入数据矩阵 x 或欧氏距离矩阵 Y 来测试上面的代码。

我还发现，与 R 中的等效实现相比，hclust 包，scipy.cluster.hierarchy.linkage returns 质心、中值和病房方法的结果不同。似乎 scipy.cluster.hierarchy.linkage 在更新新合并的集群与现有集群的距离时包含一些错误。

您如何在 scipy 中访问 ward/centroid/median 集群？

How do you access ward/centroid/median clustering in scipy?

python

numpy

scipy

hierarchical-clustering