階層クラスターを操作する方法を理解しようとしていますが、ドキュメントがあまりにも...技術的ですか?...そしてそれがどのように機能するか理解できません。
いくつかの簡単なタスクをステップバイステップで説明することから始めるのに役立つチュートリアルはありますか?
次のデータセットがあるとします。
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 ]])
階層クラスターを簡単に作成し、樹状図をプロットできます。
z = linkage(a)
d = dendrogram(z)
[0,1,2,4,5,6]
が含まれているとしましょう。階層型凝集クラスタリング(HAC)には3つのステップがあります。
metric
引数)method
引数)やること
z = linkage(a)
最初の2つのステップを完了します。パラメーターを指定しなかったため、標準値を使用します
metric = 'euclidean'
method = 'single'
したがって、z = linkage(a)
は、a
の単一のリンクされた階層的凝集クラスタリングを提供します。このクラスタリングは、一種のソリューションの階層です。この階層から、データの構造に関する情報を取得します。あなたが今できることは:
metric
を確認しますe。 g。 cityblock
またはchebychev
はデータを異なる方法で定量化します(cityblock
、euclidean
およびchebychev
はL1
、L2
、およびL_inf
のノルムに対応します)methdos
のさまざまなプロパティ/動作を確認します(例:single
、complete
およびaverage
)ここから始めます
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()
与える