如何在Python中从Scipy中的链接/距离矩阵计算群集分配？

Question

如果您在python中的scipy中具有此层次结构的集群调用：

from scipy.cluster.hierarchy import linkage
# dist_matrix is long form distance matrix
linkage_matrix = linkage(squareform(dist_matrix), linkage_method)

那么从这到单个点的群集分配的一种有效方法是什么？即长度的向量，N其中N是点数，其中每个条目i是点的簇数i，给定由thresh结果聚类上给定阈值生成的簇数？

需要说明的是：群集号将是在将阈值应用于树之后的所在群集。在这种情况下，您将为其所在的群集的每个叶节点获得一个唯一的群集。在每个意义上，每个点都属于一个“最特定的群集”，这是唯一的，该群集由切割树状图的阈值定义。

我知道scipy.cluster.hierarchy.fclusterdata给您这个集群分配作为其返回值，但是我是从定制的距离矩阵和距离度量开始的，所以我不能使用fclusterdata。问题归结为：我如何计算fclusterdata正在计算的内容-
群集分配？

Answer 1

如果我理解正确，那是fcluster的作用：

scipy.cluster.hierarchy.fcluster(Z, t, criterion='inconsistent', depth=2, R=None, monocrit=None)

从链接矩阵Z定义的层次聚类中形成平面聚类。

…

返回：长度为n的数组。T [i]是原始观测值i所属的平面簇数。

因此，只需致电fcluster(linkage_matrix, t)，t您的门槛在哪里。