sklearn凝聚聚類輸入數據

Question

我有一個四個用戶之間的相似矩陣。我想做一個凝聚聚類。代碼是這樣的：

lena = np.matrix('1 1 0 0;1 1 0 0;0 0 1 0.2;0 0 0.2 1') 
X = np.reshape(lena, (-1, 1)) 

print("Compute structured hierarchical clustering...") 
st = time.time() 
n_clusters = 3 # number of regionsle 


ward = AgglomerativeClustering(n_clusters=n_clusters, 
     linkage='complete').fit(X) 
print ward 
label = np.reshape(ward.labels_, lena.shape) 
print("Elapsed time: ", time.time() - st) 
print("Number of pixels: ", label.size) 
print("Number of clusters: ", np.unique(label).size) 
print label 

標籤的打印結果是這樣的：

[[1 1 0 0] 
[1 1 0 0] 
[0 0 1 2] 
[0 0 2 1]] 

這是否意味着它給人的可能集羣結果列表中，我們可以選擇一個從他們身上？喜歡選擇：[0,0,2,1]。如果是錯誤的，你能告訴我怎麼做基於相似性的凝聚算法嗎？如果它是正確的，相似矩陣是巨大的，我怎麼能從一個巨大的列表中選擇最優的聚類結果？由於

Answer 1

我覺得這裏的問題是，你適合你的模型錯誤的數據

# This will return a 4x4 matrix (similarity matrix) 
lena = np.matrix('1 1 0 0;1 1 0 0;0 0 1 0.2;0 0 0.2 1') 

# However this will return 16x1 matrix 
X = np.reshape(lena, (-1, 1)) 

真正的結果你得到的是這樣的：

ward.labels_ 
>> array([1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 1, 2, 0, 0, 2, 1]) 

這是每個元素的標籤， X矢量，它不會使敏感

如果我很好理解你的問題，你需要通過它們之間的距離（相似性）來分類你的用戶。那麼，在這種情況下，我會建議使用這樣的譜聚類：

import numpy as np 
from sklearn.cluster import SpectralClustering 

lena = np.matrix('1 1 0 0;1 1 0 0;0 0 1 0.2;0 0 0.2 1') 

n_clusters = 3 
SpectralClustering(n_clusters).fit_predict(lena) 

>> array([1, 1, 0, 2], dtype=int32)