Hierarchisches Clustering (scipy.cluster.hierarchy)

Diese Funktionen schneiden hierarchische Clusterings in flache Clusterings oder finden die Wurzeln des Waldes, der durch einen Schnitt gebildet wird, indem die flachen Cluster-IDs jeder Beobachtung bereitgestellt werden.

fcluster(Z, t[, criterion, depth, R, monocrit])	Bildet flache Cluster aus dem hierarchischen Clustering, das durch die gegebene Linkage-Matrix definiert ist.
fclusterdata(X, t[, criterion, metric, ...])	Cluster-Beobachtungsdaten unter Verwendung einer gegebenen Metrik.
leaders(Z, T)	Gibt die Wurzelknoten in einem hierarchischen Clustering zurück.

Dies sind Routinen für agglomeratives Clustering.

linkage(y[, method, metric, optimal_ordering])	Führt hierarchisches/agglomeratives Clustering durch.
single(y)	Führt Single-/Min-/Nearest-Linkage auf der kondensierten Distanzmatrix y durch.
complete(y)	Führt Complete-/Max-/Farthest-Point-Linkage auf einer kondensierten Distanzmatrix durch.
average(y)	Führt Average-/UPGMA-Linkage auf einer kondensierten Distanzmatrix durch.
weighted(y)	Führt Weighted-/WPGMA-Linkage auf der kondensierten Distanzmatrix durch.
centroid(y)	Führt Centroid-/UPGMC-Linkage durch.
median(y)	Führt Median-/WPGMC-Linkage durch.
ward(y)	Führt Ward's Linkage auf einer kondensierten Distanzmatrix durch.

Diese Routinen berechnen Statistiken über Hierarchien.

cophenet(Z[, Y])	Berechnet die kophänetischen Distanzen zwischen jeder Beobachtung in dem hierarchischen Clustering, das durch die Linkage Z definiert ist.
from_mlab_linkage(Z)	Konvertiert eine von MATLAB(TM) erzeugte Linkage-Matrix in eine neue Linkage-Matrix, die mit diesem Modul kompatibel ist.
inconsistent(Z[, d])	Berechnet Inkonsistenzstatistiken auf einer Linkage-Matrix.
maxinconsts(Z, R)	Gibt den maximalen Inkonsistenzkoeffizienten für jeden Nicht-Singleton-Cluster und seine Kinder zurück.
maxdists(Z)	Gibt den maximalen Abstand zwischen beliebigen Nicht-Singleton-Clustern zurück.
maxRstat(Z, R, i)	Gibt die maximale Statistik für jeden Nicht-Singleton-Cluster und seine Kinder zurück.
to_mlab_linkage(Z)	Konvertiert eine Linkage-Matrix in eine MATLAB(TM)-kompatible.

Routinen zur Visualisierung von flachen Clustern.

dendrogram(Z[, p, truncate_mode, ...])

Plottet das hierarchische Clustering als Dendrogramm.

Dies sind Datenstrukturen und Routinen zur Darstellung von Hierarchien als Baumobjekte.

ClusterNode(id[, left, right, dist, count])	Eine Baumknotenklasse zur Darstellung eines Clusters.
leaves_list(Z)	Gibt eine Liste von Blattknoten-IDs zurück.
to_tree(Z[, rd])	Konvertiert eine Linkage-Matrix in ein einfach zu verwendendes Baumobjekt.
cut_tree(Z[, n_clusters, height])	Gibt den Schnittbaum basierend auf einer Linkage-Matrix Z zurück.
optimal_leaf_ordering(Z, y[, metric])	Ordnet den Schnittbaum basierend auf einer Linkage-Matrix Z und Distanz neu an.

Dies sind Prädikate zur Überprüfung der Gültigkeit von Linkage- und Inkonsistenzmatrizen sowie zur Überprüfung der Isomorphie von zwei flachen Clusterzuweisungen.

is_valid_im(R[, warning, throw, name])	Gibt True zurück, wenn die übergebene Inkonsistenzmatrix gültig ist.
is_valid_linkage(Z[, warning, throw, name])	Überprüft die Gültigkeit einer Linkage-Matrix.
is_isomorphic(T1, T2)	Bestimmt, ob zwei verschiedene Clusterzuweisungen äquivalent sind.
is_monotonic(Z)	Gibt True zurück, wenn die übergebene Linkage monoton ist.
correspond(Z, Y)	Prüft die Korrespondenz zwischen Linkage- und kondensierten Distanzmatrizen.
num_obs_linkage(Z)	Gibt die Anzahl der ursprünglichen Beobachtungen der übergebenen Linkage-Matrix zurück.

Dienstprogramme zum Plotten

set_link_color_palette(palette)

Setzt eine Liste von matplotlib-Farbcodierungen, die von dendrogram verwendet werden.

Dienstprogrammklassen

DisjointSet([elements])

Disjoint-Set-Datenstruktur für inkrementelle Konnektivitätsabfragen.