WEKA分層聚類輸出 - 葉識別模糊

Question

當從WEKA調用分層聚類（我使用C＃中的IKVM，但我不認爲它很重要，答案可以用任一種語言）時，有一個選項可以生成Newick格式的樹形圖，但是當試圖解析它時，我需要識別葉子並將每個葉子的假連接到輸入中的一個數據（矢量）。

例如，輸入ARFF是：

@RELATION points 


@ATTRIBUTE x REAL 
@ATTRIBUTE y REAL 

@DATA 
1.0,2.0 
3.0,1.0 
1.0,3.0 
2.0,1.0 

我會得到在Newick格式如下樹狀圖：

((2.0:1,3.0:1):1.49661,(1.0:1,1.0:1):1.49661) 

在哪裏並不清楚點是如何確定的（第一個分支有2和3，但第二個分支有1和1，但不清楚哪一個是哪個）。

有沒有辦法改變這個輸出的表現方式，或者在Newick輸出中以更好的方式添加額外的唯一屬性標識基準點？

Answer 1

找到了解決方案，它可能不適用於所有的距離函數，但它可以與Weka Hierarchical Clustering的默認配置一起工作： 解決方案只是在最後添加一個額外的字符串屬性，這似乎被忽略所有的計算，這可以包含唯一的行或矢量標識，這將由WEKA用於輸出最終圖（Newick樹狀圖）。

例ARFF：

@RELATION points 

@ATTRIBUTE x REAL 
@ATTRIBUTE y REAL 
@ATTRIBUTE id STRING 

@DATA 
1,5,100 
2,6,200 
3,5,300 

這將導致以下Newick：

(((100:1.41421,200:1.41421):-0.05358,300:1.36064):0.441,400:1.80164) 

而忽略了最後一個屬性的時候，這將導致完全相同的集羣，但有不同的命名葉子：

(((5.0:1.41421,6.0:1.41421):-0.05358,5.0:1.36064):0.441,6.0:1.80164) 

這是不明確的。