的教程scipy.cluster.hierarchy层次结构[关闭]

Question

改进此问题我试图理解如何操作层次集群，但是文档太。。。技术？。。。我不明白它是怎么工作的。有什么教程可以帮助我开始，一步一步地解释
一些简单的任务？
假设我有以下数据集：

a = np.array([[0,   0  ],
              [1,   0  ],
              [0,   1  ],
              [1,   1  ], 
              [0.5, 0  ],
              [0,   0.5],
              [0.5, 0.5],
              [2,   2  ],
              [2,   3  ],
              [3,   2  ],
              [3,   3  ]])

我可以很容易地进行层次聚类并绘制树状图：

z = linkage(a)
d = dendrogram(z)

现在，如何恢复特定群集？假设在树状图中有元素“[0,1,2,4,5,6]”的那个？
我怎样才能得到这些元素的值呢？

Answer 1

分层凝聚聚类（HAC）有三个步骤：

1. Quantify Data (metric argument)
2. Cluster Data (method argument)
3. Choose the number of clusters

Doing

z = linkage(a)

将完成前两步。因为您没有指定任何参数
它使用标准值

1. metric = 'euclidean'
2. method = 'single'

“将给你一个粘合的链接”
“a”的聚类。这种聚类是解决方案的一种层次结构。从
通过这种层次结构，您可以获得有关数据结构的一些信息。什么
您现在可以做的是：
检查哪个“metric”是合适的，例如“cityblock”或“chebychev”将不同地量化数据（“cityblock”、“euclidean”和“chebychev”对应于“L1”、“L2”和“L\u inf”norm）
检查“methdos”的不同属性/行为（例如“single”、“complete”和“average”）
检查如何确定集群的数量，例如通过阅读wiki上的相关内容
计算找到的解（聚类）的指数，例如轮廓系数（通过该系数，您可以获得关于点/观测值与聚类所指定的聚类的匹配程度的反馈）。不同的索引使用不同的标准来限定聚类。
这是一个开始

import numpy as np
import scipy.cluster.hierarchy as hac
import matplotlib.pyplot as plt


a = np.array([[0.1,   2.5],
              [1.5,   .4 ],
              [0.3,   1  ],
              [1  ,   .8 ],
              [0.5,   0  ],
              [0  ,   0.5],
              [0.5,   0.5],
              [2.7,   2  ],
              [2.2,   3.1],
              [3  ,   2  ],
              [3.2,   1.3]])

fig, axes23 = plt.subplots(2, 3)

for method, axes in zip(['single', 'complete'], axes23):
    z = hac.linkage(a, method=method)

    # Plotting
    axes[0].plot(range(1, len(z)+1), z[::-1, 2])
    knee = np.diff(z[::-1, 2], 2)
    axes[0].plot(range(2, len(z)), knee)

    num_clust1 = knee.argmax() + 2
    knee[knee.argmax()] = 0
    num_clust2 = knee.argmax() + 2

    axes[0].text(num_clust1, z[::-1, 2][num_clust1-1], 'possible\n<- knee point')

    part1 = hac.fcluster(z, num_clust1, 'maxclust')
    part2 = hac.fcluster(z, num_clust2, 'maxclust')

    clr = ['#2200CC' ,'#D9007E' ,'#FF6600' ,'#FFCC00' ,'#ACE600' ,'#0099CC' ,
    '#8900CC' ,'#FF0000' ,'#FF9900' ,'#FFFF00' ,'#00CC01' ,'#0055CC']

    for part, ax in zip([part1, part2], axes[1:]):
        for cluster in set(part):
            ax.scatter(a[part == cluster, 0], a[part == cluster, 1], 
                       color=clr[cluster])

    m = '\n(method: {})'.format(method)
    plt.setp(axes[0], title="Screeplot{}".format(m), xlabel='partition',
             ylabel='{}\ncluster distance'.format(m))
    plt.setp(axes[1], title="{} Clusters".format(num_clust1))
    plt.setp(axes[2], title="{} Clusters".format(num_clust2))

plt.tight_layout()
plt.show()