Как соотнести мои исходные данные с кластерными данными

Question

У меня матрица расстояний представляет матрицу расстояний для попарных элементов, таких как

    A B C D .....
A   n1 n2 n3
B n1    
C n2 n4
D n3 n5 ....... 
E.........

я ввел массив, как для кластеризации

 arry=  [ 0 n1, n2, n3..
   n1.......
   n2 n4
   n3 n5 ]


Y=sch.linkage(arry,'single')
cutoff=1e-6
T=sch.fcluster(Y, cutoff,'distance')
print T

Z=sch.dendrogram(Y, color_threshold=cutoff)

мой вывод fcluster похож на [ 4 10 12 1 5 13 2 11 1 7 8 3 14 6 10 16 9 15 1 7] из предыдущего постера других. Кластеризация с помощью scipy - кластеров с помощью матрицы расстояний, как вернуть исходные объекты

Я понимаю, что выходные данные T[i] представляют только количество элементов в кластере. Как связать исходные элементы A, B,C,D,E..... с результатом кластера и дендрограммой? и пометить их правильно в мои фигуры.

Answer 1

"Я понимаю, что вывод T[i] представляет только количество элементов в кластере..."

T[j] является "номером кластера" j-й точки данных. То есть, fcluster обеспечивает назначения точек данных для кластеров. Так, например, если есть пять точек данных, и fcluster помещает первое, второе и последнее в кластер 1, а остальные в кластер 2, возвращаемое значение fcluster будет array([1, 1, 2, 2, 1]),

Вот демонстрация, которая показывает, как вы можете разделить эти данные. Для удобства я использовал fclusterdata вместо комбинации linkage а также fcluster, fclusterdata возвращает то же самое, что и fcluster,

import numpy as np

def cluster_indices(cluster_assignments):
    n = cluster_assignments.max()
    indices = []
    for cluster_number in range(1, n + 1):
        indices.append(np.where(cluster_assignments == cluster_number)[0])
    return indices

if __name__ == "__main__":
    from scipy.cluster.hierarchy import fclusterdata

    # Make some test data.
    data = np.random.rand(15,2)

    # Compute the clusters.
    cutoff = 1.0
    cluster_assignments = fclusterdata(data, cutoff)

    # Print the indices of the data points in each cluster.
    num_clusters = cluster_assignments.max()
    print "%d clusters" % num_clusters
    indices = cluster_indices(cluster_assignments)
    for k, ind in enumerate(indices):
        print "cluster", k + 1, "is", ind

Типичный вывод:

4 clusters
cluster 1 is [ 0  1  6  8 10 13 14]
cluster 2 is [ 3  4  5  7 11 12]
cluster 3 is [9]
cluster 4 is [2]