scipy.cluster.hierarchy.

maxdists

scipy.cluster.hierarchy.maxdists(Z)

返回任意非单例簇之间的最大距离。

参数:

Zndarray

作为矩阵编码的层次聚类。更多信息请参见 linkage。

返回:

maxdistsndarray

一个大小为 (n-1) 的双精度 numpy 数组；MD[i] 表示在索引 i 的节点及其以下所有簇（包括单例）之间的最大距离。更具体地说，MD[i] = Z[Q(i)-n, 2].max()，其中 Q(i) 是包括节点 i 及其以下所有节点的索引集合。

参见

linkage

关于什么是连接矩阵的描述。

is_monotonic

用于测试连杆矩阵的单调性。

示例

Try it in your browser!

>>> from scipy.cluster.hierarchy import median, maxdists
>>> from scipy.spatial.distance import pdist

给定一个链接矩阵 Z，scipy.cluster.hierarchy.maxdists 计算每个新生成的簇（即链接矩阵的每一行）中任意两个子簇之间的最大距离。

由于层次聚类的性质，在许多情况下，这将是两个子簇之间的距离，这两个子簇合并形成了当前的簇——即 Z[:,2]。

然而，对于非单调的聚类分配，例如 scipy.cluster.hierarchy.median 聚类，情况并非总是如此：可能存在聚类形成，其中两个聚类合并的距离小于它们子聚类之间的距离。

我们可以在一个例子中看到这一点：

>>> 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]]

>>> Z = median(pdist(X))
>>> Z
array([[ 0.        ,  1.        ,  1.        ,  2.        ],
       [ 3.        ,  4.        ,  1.        ,  2.        ],
       [ 9.        , 10.        ,  1.        ,  2.        ],
       [ 6.        ,  7.        ,  1.        ,  2.        ],
       [ 2.        , 12.        ,  1.11803399,  3.        ],
       [ 5.        , 13.        ,  1.11803399,  3.        ],
       [ 8.        , 15.        ,  1.11803399,  3.        ],
       [11.        , 14.        ,  1.11803399,  3.        ],
       [18.        , 19.        ,  3.        ,  6.        ],
       [16.        , 17.        ,  3.5       ,  6.        ],
       [20.        , 21.        ,  3.25      , 12.        ]])
>>> maxdists(Z)
array([1.        , 1.        , 1.        , 1.        , 1.11803399,
       1.11803399, 1.11803399, 1.11803399, 3.        , 3.5       ,
       3.5       ])

注意，尽管在创建最后一个聚类时合并的两个聚类之间的距离是3.25，但有两个子聚类（聚类16和17）的距离更大（3.5）。因此，在这种情况下，scipy.cluster.hierarchy.maxdists 返回3.5。

Go BackOpen In Tab