scipy.cluster.hierarchy.

correspond#

scipy.cluster.hierarchy.correspond(Z, Y)[Quelle]#

Prüfen Sie die Übereinstimmung zwischen Linkage- und kondensierten Distanzmatrizen.

Sie müssen die gleiche Anzahl ursprünglicher Beobachtungen haben, damit die Prüfung erfolgreich ist.

Diese Funktion ist nützlich als Plausibilitätsprüfung in Algorithmen, die Linkage- und Distanzmatrizen intensiv nutzen, die mit demselben Satz ursprünglicher Beobachtungen übereinstimmen müssen.

Parameter:

Zarray_like: Die Linkage-Matrix zur Überprüfung der Übereinstimmung.
Yarray_like: Die kondensierte Distanzmatrix zur Überprüfung der Übereinstimmung.

Rückgabe:

bbool: Ein boolescher Wert, der angibt, ob die Linkage-Matrix und die Distanzmatrix möglicherweise übereinstimmen.

Siehe auch

linkage: für eine Beschreibung, was eine Linkage-Matrix ist.

Hinweise

correspond unterstützt experimentell Python Array API Standard-kompatible Backends zusätzlich zu NumPy. Bitte testen Sie diese Funktionen, indem Sie die Umgebungsvariable SCIPY_ARRAY_API=1 setzen und CuPy-, PyTorch-, JAX- oder Dask-Arrays als Array-Argumente bereitstellen. Die folgenden Kombinationen aus Backend und Gerät (oder anderen Fähigkeiten) werden unterstützt.

Bibliothek	CPU	GPU
NumPy	✅	n/a
CuPy	n/a	✅
PyTorch	✅	✅
JAX	✅	✅
Dask	✅	n/a

Siehe Unterstützung für den Array API Standard für weitere Informationen.

Beispiele

>>> from scipy.cluster.hierarchy import ward, correspond
>>> from scipy.spatial.distance import pdist

Diese Methode kann verwendet werden, um zu überprüfen, ob eine gegebene Linkage-Matrix Z aus der Anwendung einer Cluster-Methode auf ein Dataset X erhalten wurde

>>> X = [[0, 0], [0, 1], [1, 0],
...      [0, 4], [0, 3], [1, 4],
...      [4, 0], [3, 0], [4, 1],
...      [4, 4], [3, 4], [4, 3]]
>>> X_condensed = pdist(X)
>>> Z = ward(X_condensed)

Hier können wir Z und X (in kondensierter Form) vergleichen

>>> correspond(Z, X_condensed)
True