scipy.cluster.hierarchy.

соответствует#

scipy.cluster.hierarchy.соответствует(Z, Y)[источник]#

Проверка соответствия между матрицей связей и сжатой матрицей расстояний.

Они должны иметь одинаковое количество исходных наблюдений для успешной проверки.

Эта функция полезна как проверка корректности в алгоритмах, которые интенсивно используют матрицы связей и расстояний, которые должны соответствовать одному и тому же набору исходных наблюдений.

Параметры:

Zarray_like: Матрица связей для проверки соответствия.
Yarray_like: Сжатая матрица расстояний для проверки соответствия.

Возвращает:

bbool: Логическое значение, указывающее, могут ли матрица связей и матрица расстояний потенциально соответствовать друг другу.

Смотрите также

linkage: для описания того, что такое матрица связей.

Примечания

correspond имеет экспериментальную поддержку совместимых с Python Array API Standard бэкендов в дополнение к NumPy. Пожалуйста, рассмотрите тестирование этих функций, установив переменную окружения SCIPY_ARRAY_API=1 и предоставление массивов CuPy, PyTorch, JAX или Dask в качестве аргументов массива. Поддерживаются следующие комбинации бэкенда и устройства (или других возможностей).

Библиотека	CPU	GPU
NumPy	✅	н/д
CuPy	н/д	✅
PyTorch	✅	✅
JAX	✅	✅
Dask	✅	н/д

См. Поддержка стандарта array API для получения дополнительной информации.

Примеры

>>> from scipy.cluster.hierarchy import ward, correspond
>>> from scipy.spatial.distance import pdist

Этот метод можно использовать для проверки, является ли заданная матрица связей Z был получен в результате применения метода кластеризации к набору данных X:

>>> X = [[0, 0], [0, 1], [1, 0],
...      [0, 4], [0, 3], [1, 4],
...      [4, 0], [3, 0], [4, 1],
...      [4, 4], [3, 4], [4, 3]]
>>> X_condensed = pdist(X)
>>> Z = ward(X_condensed)

Здесь мы можем сравнить Z и X (в сжатой форме):

>>> correspond(Z, X_condensed)
True