Иерархическая кластеризация (scipy.cluster.hierarchy)

Эти функции разрезают иерархические кластеризации на плоские кластеризации или находят корни леса, образованного разрезом, предоставляя идентификаторы плоских кластеров для каждого наблюдения.

fcluster(Z, t[, criterion, depth, R, monocrit])	Сформировать плоские кластеры из иерархической кластеризации, определённой данной матрицей связей.
fclusterdata(X, t[, criterion, metric, ...])	Кластеризация данных наблюдений с использованием заданной метрики.
leaders(Z, T)	Возвращает корневые узлы в иерархической кластеризации.

Это подпрограммы для агломеративной кластеризации.

linkage(y[, method, metric, optimal_ordering])	Выполнить иерархическую/агломеративную кластеризацию.
single(y)	Выполнить одиночную/минимальную/ближайшую связь на сжатой матрице расстояний y.
complete(y)	Выполнить полную/максимальную/дальнюю связь на сжатой матрице расстояний.
average(y)	Выполнить усреднённую/UPGMA кластеризацию на свёрнутой матрице расстояний.
weighted(y)	Выполнить взвешенную/WPGMA кластеризацию на сжатой матрице расстояний.
centroid(y)	Выполнить центроидную/UPGMC кластеризацию.
median(y)	Выполнить связывание по медиане/WPGMC.
ward(y)	Выполнение связи Уорда по сжатой матрице расстояний.

Эти процедуры вычисляют статистику по иерархиям.

cophenet(Z[, Y])	Вычислите копенетические расстояния между каждым наблюдением в иерархической кластеризации, определённой связью Z.
from_mlab_linkage(Z)	Преобразовать матрицу связей, сгенерированную MATLAB(TM), в новую матрицу связей, совместимую с этим модулем.
inconsistent(Z[, d])	Вычислить статистику несогласованности на матрице связей.
maxinconsts(Z, R)	Возвращает максимальный коэффициент несогласованности для каждого несинглетонного кластера и его дочерних элементов.
maxdists(Z)	Вернуть максимальное расстояние между любыми несинглетонными кластерами.
maxRstat(Z, R, i)	Возвращает максимальную статистику для каждого несинглтонного кластера и его дочерних элементов.
to_mlab_linkage(Z)	Преобразование матрицы связей в совместимую с MATLAB(TM).

Подпрограммы для визуализации плоских кластеров.

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

Построить иерархическую кластеризацию в виде дендрограммы.

Это структуры данных и подпрограммы для представления иерархий как объектов дерева.

ClusterNode(id[, left, right, dist, count])	Класс узла дерева для представления кластера.
leaves_list(Z)	Вернуть список идентификаторов листовых узлов.
to_tree(Z[, rd])	Преобразовать матрицу связей в удобный для использования объект дерева.
cut_tree(Z[, n_clusters, height])	По заданной матрице связей Z вернуть обрезанное дерево.
optimal_leaf_ordering(Z, y[, metric])	Дана матрица связей Z и расстояние, переупорядочить дерево разрезов.

Это предикаты для проверки корректности матриц связывания и несоответствия, а также для проверки изоморфизма двух плоских назначений кластеров.

is_valid_im(R[, warning, throw, name])	Вернуть True, если переданная матрица несоответствий действительна.
is_valid_linkage(Z[, warning, throw, name])	Проверить корректность матрицы связей.
is_isomorphic(T1, T2)	Определить, эквивалентны ли два разных назначения кластеров.
is_monotonic(Z)	Возвращает True, если переданная связь монотонна.
correspond(Z, Y)	Проверка соответствия между матрицей связей и сжатой матрицей расстояний.
num_obs_linkage(Z)	Возвращает количество исходных наблюдений переданной матрицы связей.

Вспомогательные процедуры для построения графиков:

set_link_color_palette(палитра)

Установить список кодов цветов matplotlib для использования дендрограммой.

Вспомогательные классы:

DisjointSet([elements])

Структура данных непересекающихся множеств для инкрементальных запросов на связность.