替代scipy.cluster.hierarchy.cut_tree()

Question

我在Python3中做了一个聚类分层聚类实验，我发现scipy.cluster.hierarchy.cut_tree()没有返回某些输入链接矩阵所需的集群数。因此，到目前为止，我知道树()函数中存在一个bug (如描述的这里)。

但是，我需要能够获得一个平面集群，并将k不同的标签分配给我的数据点。您知道从任意输入链接矩阵k中获取平面k标签聚类的算法吗？我的问题归结为:如何在没有bug的情况下从零开始计算cut_tree()？

您可以使用此数据集测试您的代码。

from scipy.cluster.hierarchy import linkage, is_valid_linkage
from scipy.spatial.distance import pdist

## Load dataset
X = np.load("dataset.npy")

## Hierarchical clustering
dists = pdist(X)
Z = linkage(dists, method='centroid', metric='euclidean')

print(is_valid_linkage(Z))

## Now let's say we want the flat cluster assignement with 10 clusters.
#  If cut_tree() was working we would do
from scipy.cluster.hierarchy import cut_tree
cut = cut_tree(Z, 10)

Sidenote:另一种方法可能是用rpy2的cutree()代替cut_tree()，但我从来没有用过。你觉得呢？

Answer 1

获得k平面集群的一种方法是在criterion='maxclust'中使用scipy.cluster.hierarchy.fcluster

from scipy.cluster.hierarchy import fcluster
clust = fcluster(Z, k, criterion='maxclust')