在the中，两个不同的距离函数在层次聚类中的意义是什么？

Question

有一个距离函数，我可以传递给pdist，用来创建给linkage的距离矩阵。还有第二个距离函数，我可以把它作为度量传递给linkage。

为什么有两个可能的距离函数？

如果它们不同，它们是如何使用的？例如，联动是否在初始迭代中使用距离矩阵中的距离，即看是否将任何两个原始观测组合成一个簇，然后使用度量函数进一步组合，即两个簇或一个具有原始观测值的集群？

Answer 1

只有一个距离函数被使用过。

如果将一维压缩距离矩阵(即pdist的输出)传递给linkage，则linkage将忽略其metric参数。(请参见这里的源代码，其中See不使用metric参数就调用相关的底层Cython链接函数。)

另一方面，如果您传递一个2D矩阵，linkage将把这个矩阵作为观察，并为您调用这个矩阵上的pdist，使用metric参数作为距离函数。(见这里的源代码.)

Answer 2

通过分层聚类过程，利用参数“方法”度量聚类间的相似性。参数“度量”用于测量数据集中两个对象之间的距离。

“度量”与数据的性质密切相关(例如，对于具有相同数量的特征的对象，您可以使用“欧几里德”距离，或者对具有不同持续时间的时间序列使用动态时间扭曲)。

问题是有两种方式来使用链接函数。第一个参数是y，它可以是数据本身，也可以是由给定度量产生的距离矩阵。

如果您选择用距离矩阵给“联动”提供信息，那么您就不需要“度量”参数，因为您已经计算了所有对象之间的所有距离。