sklearn 凝聚聚类输入数据

Question

我有四个用户之间的相似度矩阵。我想做一个凝聚聚类。代码是这样的：

lena = np.matrix('1 1 0 0;1 1 0 0;0 0 1 0.2;0 0 0.2 1')
X = np.reshape(lena, (-1, 1))

print("Compute structured hierarchical clustering...")
st = time.time()
n_clusters = 3 # number of regionsle


ward = AgglomerativeClustering(n_clusters=n_clusters,
        linkage='complete').fit(X)
print ward
label = np.reshape(ward.labels_, lena.shape)
print("Elapsed time: ", time.time() - st)
print("Number of pixels: ", label.size)
print("Number of clusters: ", np.unique(label).size)
print label

标签的打印结果如下：

[[1 1 0 0]
 [1 1 0 0]
 [0 0 1 2]
 [0 0 2 1]]

这是否意味着它给出了一个可能的聚类结果列表，我们可以从中选择一个？比如选择：[0,0,2,1]。如果错了，你能告诉我如何做基于相似性的凝聚算法吗？如果正确，相似度矩阵很大，如何从庞大的列表中选择最优的聚类结果？谢谢

Answer 1

我认为这里的问题是你用错误的数据拟合你的模型

# This will return a 4x4 matrix (similarity matrix)
lena = np.matrix('1 1 0 0;1 1 0 0;0 0 1 0.2;0 0 0.2 1')

# However this will return 16x1 matrix
X = np.reshape(lena, (-1, 1))

你得到的真实结果是这样的：

 ward.labels_
 >> array([1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 1, 2, 0, 0, 2, 1])

哪个是X向量中每个元素的标签，它没有意义

如果我很理解你的问题，你需要根据用户之间的距离（相似度）对用户进行分类。那么，在这种情况下，我会建议以这种方式使用谱聚类：

import numpy as np
from sklearn.cluster import SpectralClustering

lena = np.matrix('1 1 0 0;1 1 0 0;0 0 1 0.2;0 0 0.2 1')

n_clusters = 3
SpectralClustering(n_clusters).fit_predict(lena)

>> array([1, 1, 0, 2], dtype=int32)

sklearn 凝聚聚类输入数据

sklearn agglomerative clustering input data

python

hierarchical-clustering

scikit-learn