python – 距离矩阵的树形图或其他图

概述我有三个矩阵可供比较.每个都是5×6.我最初想要使用层次聚类来聚类矩阵,以便在给定相似性阈值的情况下对最相似的矩阵进行分组. 我在python中找不到任何这样的函数,所以我用手实现了距离测量,(p-norm where p=2).现在我有一个3×3的距离矩阵(我相信在这种情况下也是一个相似矩阵). 我现在正在尝试生成树状图.这是我的代码,这就是错误的.我想生成一个图形(如果可能的话,树形图),显示 我有三个矩阵可供比较.每个都是5×6.我最初想要使用层次聚类来聚类矩阵,以便在给定相似性阈值的情况下对最相似的矩阵进行分组.

我在python中找不到任何这样的函数,所以我用手实现了距离测量,(p-norm where p=2).现在我有一个3×3的距离矩阵(我相信在这种情况下也是一个相似矩阵).

我现在正在尝试生成树状图.这是我的代码,这就是错误的.我想生成一个图形(如果可能的话,树形图),显示最相似的矩阵的簇.矩阵0,1,2,0和2是相同的并且应该首先聚集在一起,并且1是不同的.

距离矩阵如下所示：

>   0     1    2 0   0.0    2.0  3.85e-161   2.0    0.0  2.02 3.85e-16 2.0  0.0

码：

from scipy.cluster.hIErarchy import dendrogramimport matplotlib.pyplot as pltimport numpy as npfrom scipy.cluster.hIErarchy import linkagemat = np.array([[0.0,2.0,3.8459253727671276e-16],[2.0,0.0,2.0],[3.8459253727671276e-16,0.0]])dist_mat = matlinkage_matrix = linkage(dist_mat,"single")dendrogram(linkage_matrix,color_threshold=1,labels=["0","1","2"],show_leaf_counts=True)plt.Title=("test")plt.show()

这是输出：

联系的意义是什么(dist_mat,’single’)？我会假设输出图看起来像这样,其中距离是2.0在0和1之间(例如).

有更好的方法来表示这些数据吗？是否有一个函数可以接受几个矩阵而不是点,比较并形成距离矩阵,然后聚类？我对如何可视化这些矩阵之间的差异的其他建议持开放态度.

解决方法 linkage的第一个参数不应该是方形距离矩阵.它必须是 condensed distance matrix.在你的情况下,那将是np.array([2.0,3.8459253727671276e-16,2]).您可以使用 scipy.spatial.distance.squareform将方形距离矩阵转换为压缩形式

如果将二维数组传递给与形状(m,n)的链接,则会将其视为n维空间中m个点的数组,并计算这些点本身的距离.这就是为什么当你通过方形距离矩阵时没有得到错误 – 但是你得到了一个不正确的情节. (这是联系的无证“特征”.)

另请注意,由于距离3.8e-16太小,与点0和2之间的链接相关联的水平线可能在图中不可见 – 它位于x轴上.

这是您脚本的修改版本.对于此示例,我将该小距离更改为0.1,因此关联的群集不会被x轴遮挡.

import numpy as npfrom scipy.cluster.hIErarchy import dendrogram,linkagefrom scipy.spatial.distance import squareformimport matplotlib.pyplot as pltmat = np.array([[0.0,0.1],[0.1,0.0]])dists = squareform(mat)linkage_matrix = linkage(dists,"2"])plt.Title("test")plt.show()

这是脚本创建的图：

总结

以上是内存溢出为你收集整理的python – 距离矩阵的树形图或其他图全部内容，希望文章能够帮你解决python – 距离矩阵的树形图或其他图所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。