Python 库 SciPy 中 hierarchy.fcluster 函数详解：参数与应用

SciPy 中 hierarchy.fcluster 函数详解：参数与应用

hierarchy.fcluster 是 Python 科学计算库 SciPy 中用于对给定的聚类树进行聚类操作的函数。它接受一个层次聚类的结果（聚类树）作为输入，并根据指定的阈值或准则将聚类树划分为聚类簇。

参数解释

• Z：必需参数，表示层次聚类的结果，即聚类树，可以是 linkage 函数的返回值。
• t：必需参数，表示聚类的阈值。如果不为 None，则表示根据此阈值将聚类树划分为聚类簇；如果为 None，则表示根据 criterion 参数自动选择阈值。
• criterion：可选参数，表示用于自动选择阈值的准则。可选值为 'inconsistent'、'distance'、'maxclust' 和 'monocrit'，默认值为 'inconsistent'。
• depth：可选参数，表示聚类树的深度，默认值为 2。当 criterion 参数为 'inconsistent' 时有效。
• R：可选参数，表示聚类结果的形式。可选值为 'inconsistent'、'distance'、'maxclust' 和 'monocrit'，默认值为 'inconsistent'。
• c：可选参数，表示聚类结果的形式。可选值为 'maxclust'、'inconsistent' 和 None，默认值为 None。
• monocrit：可选参数，表示用于决定阈值的单调准则。可选值为 'maxclust' 和 'distance'，默认值为 'distance'。
• count：可选参数，表示在 criterion 参数为 'inconsistent' 时使用的聚类数目，默认值为 None。

常用参数

其中，比较常用的参数是 Z 和 t。Z 表示聚类树，是 linkage 函数的返回值；t 表示聚类的阈值，如果不为 None，则表示根据此阈值将聚类树划分为聚类簇。

示例

from scipy.cluster.hierarchy import linkage, fcluster
import numpy as np

data = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# 使用 linkage 函数计算聚类树
z = linkage(data, method='ward')

# 使用 fcluster 函数根据阈值 2 将聚类树划分为聚类簇
clusters = fcluster(z, t=2, criterion='distance')

print(clusters)

应用场景

hierarchy.fcluster 函数在数据分析、机器学习、模式识别等领域有着广泛的应用，例如：

• 客户细分：根据客户特征将客户群进行分类
• 文本聚类：将文本数据根据主题进行分组
• 图像分割：将图像根据颜色或纹理进行划分

总结

hierarchy.fcluster 函数是 Python SciPy 库中用于层次聚类的重要函数，它可以根据指定的阈值或准则将聚类树划分为聚类簇，方便进行后续的分析和应用。