我是 Python 新手。我想通过包含一些缺失值的 P 数据集对 N 执行层次聚类。我打算使用 scipy.cluster.hierarchy.linkage 函数,它采用压缩形式的距离矩阵。 Python 是否有计算缺失值包含数据的距离矩阵的方法? (在 R dist 函数中自动处理缺失值......但 scipy.spatial.distance.pdist 似乎不处理缺失值!)
最佳答案
我找不到计算缺失值数据距离矩阵的方法。所以这是我使用欧几里德距离的天真解决方案。
import numpy as np
def getMissDist(x,y):
return np.nanmean( (x - y)**2 )
def getMissDistMat(dat):
Npat = dat.shape[0]
dist = np.ndarray(shape=(Npat,Npat))
dist.fill(0)
for ix in range(0,Npat):
x = dat[ix,]
if ix >0:
for iy in range(0,ix):
y = dat[iy,]
dist[ix,iy] = getMissDist(x,y)
dist[iy,ix] = dist[ix,iy]
return dist
然后假设 dat
是 N(= 案例数)乘以 P(=特征数)数据矩阵,缺失值然后可以对此 dat
执行层次聚类> 作为:
distMat = getMissDistMat(dat)
condensDist = dist.squareform(distMat)
link = hier.linkage(condensDist, method='average')
关于具有缺失值的Python层次聚类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31420912/