给定由 sklearn.AgglomerativeClustering 创建的凝聚聚类的一些特定叶节点,我试图确定从根节点(所有数据点)到给定叶节点以及每个中间节点的路径步骤(树的内部节点)对应数据点的列表,请参见下面的示例。
在此示例中,我考虑了五个数据点,并重点关注点 3,这样我希望提取从根开始到叶 3 结束的每个步骤中考虑的实例,因此所需的结果是[[1,2,3,4,5],[1,3,4,5],[3,4],[3]]。我如何使用 sklearn 实现这一目标(或者如果使用不同的库无法实现这一点)?
最佳答案
下面的代码首先查找焦点点的所有祖先(使用下面的find_ancestor
函数),然后查找并添加每个祖先的所有后代(find_descendent
)。
首次加载和训练数据:
iris = load_iris()
N = 10
x = iris.data[:N]
model = AgglomerativeClustering(compute_full_tree=True).fit(x)
主要代码如下:
ans = []
for a in find_ancestor(3)[::-1]:
ans.append(find_descendent(a))
print(ans)
在我的例子中输出:
[[1, 9, 8, 6, 2, 3, 5, 7, 0, 4],
[1, 9, 8, 6, 2, 3],
[8, 6, 2, 3],
[6, 2, 3],
[2, 3],
[3]]
要理解 find_ancestor
的代码,请记住索引为 i
的非叶节点的 2 个子节点位于 model.children_[i]
def find_ancestor(target):
for ind,pair in enumerate(model.children_):
if target in pair:
return [target]+find_ancestor(N+ind)
return [ind+N]
递归find_descendent
使用mem
将其输出保存在内存中,这样它们就不会被不必要地重新计算。
mem = {}
def find_descendent(node):
global mem
if node in mem: return mem[node]
if node<N: return [node]
pair = model.children_[node-N]
mem[node] = find_descendent(pair[0])+find_descendent(pair[1])
return mem[node]
关于python - sklearn的凝聚聚类中提取从根到叶的路径,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57638604/