替代 scipy.cluster.hierarchy.cut_tree()

Question

我在 Python 3 中进行了凝聚层次聚类实验，我发现 scipy.cluster.hierarchy.cut_tree() 没有为某些输入链接矩阵返回请求的聚类数。所以，现在我知道 cut_tree() function (as described here).

中有一个错误

但是，我需要能够通过为我的数据点分配 k 不同标签来获得平面聚类。您知道从任意输入链接矩阵 Z 获得具有 k 标签的平面聚类的算法吗？我的问题归结为：我如何计算 cut_tree() 正在从头开始计算而没有错误？

您可以使用 this dataset 测试您的代码。

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

## Load dataset
X = np.load("dataset.npy")

## Hierarchical clustering
dists = pdist(X)
Z = linkage(dists, method='centroid', metric='euclidean')

print(is_valid_linkage(Z))

## Now let's say we want the flat cluster assignement with 10 clusters.
#  If cut_tree() was working we would do
from scipy.cluster.hierarchy import cut_tree
cut = cut_tree(Z, 10)

旁注： 另一种方法可能是使用 rpy2 的 cutree() 代替 scipy 的 cut_tree()，但我从未使用过它。你怎么看？

Answer 1

获得k扁平簇的一种方法是使用scipy.cluster.hierarchy.fcluster和criterion='maxclust':

from scipy.cluster.hierarchy import fcluster
clust = fcluster(Z, k, criterion='maxclust')

替代 scipy.cluster.hierarchy.cut_tree()

Alternative to scipy.cluster.hierarchy.cut_tree()

python

numpy

hierarchical-clustering

data-analysis

scipy