知识卡片
距离矩阵与linkage
用 SciPy 的 spatial.distance.pdist 计算样本两两距离(如欧几里得),squareform 转成对称距离矩阵。用 cluster.hierarchy.linkage 以全连接为判定标准返回关联矩阵。关键坑:linkage 可接收 pdist 的稠密上三角矩阵或指定 method=‘euclidean’ 让 linkage 自己算,但不要用 squareform 得到的距离矩阵——会产生与预期不同的距离值。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 聚类分析——处理无类标数据 · 查看原书依据
我们不应使用前面提及的用squareform函数得到的距离矩阵,因为这会生成与预期不同的距离值
参考来源
- 位置:《Python机器学习》第11章《11.2.1 基于距离矩阵进行层次聚类》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0144.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:我们不应使用前面提及的用squareform函数得到的距离矩阵,因为这会生成与预期不同的距离值