在 Python 中使用谱（簇）网络进行邻接矩阵聚类答案

【问题标题】：Adjacency matrix clustering using spectral (cluster) network in Python在 Python 中使用谱（簇）网络进行邻接矩阵聚类
【发布时间】：2014-05-31 19:32:19
【问题描述】：

我有以下数据集：

firm_id firm_id_
1         2
1         4
1         5
2         1
2         3
3         2
3         6
4         1
4         5
4         6
5         4
5         7
6         3
...

例如，此数据表明 firm_id = 1 直接连接到 firm_id = 2、4 和 5，并且间接连接（在两条路径内）到 firm_id = 3、6 和 7。我可以使用诸如networkx 之类的Python 包来构建公司连接的网络。现在，我想使用光谱聚类（我猜这是正确的方法）根据距离（分隔每个公司的边数）形成集群，并查看这些集群如何相互连接。

我将首先定义上述数据的邻接矩阵 W。然后我使用其中 dist 是公司 i 和公司 j 之间的距离，c 是 W 中每个元素的尺度参数，然后计算拉普拉斯矩阵（例如，参见 here）。

现在我的问题是 Spectral Clustering 能否为我提供每个集群之间的链接以及集群之间的距离（多少条边将集群分开）？我正在考虑使用this，Python 中的scikit 包，但我不知道如何使用sklearn.cluster 生成集群之间的链接。

【问题讨论】：

标签： python network-programming cluster-analysis spectral

【解决方案1】：

要使谱聚类和这些方法正常工作，您需要具有相似性。

您的数据似乎只是一个图表，即连接实例的边。您应该研究图划分，也许还应该研究仅适用于图结构的社区检测算法，并且不要假设您有连续的相似性度量。

【讨论】：

感谢您的回复。你说的对。我没有相似之处。我只有链接（连接的节点之间的权重始终为 1）。我决定在 python 中使用这个算法perso.crans.org/aynaud/communities，我可以形成社区，但我不知道社区是如何连接的。您有什么建议可以弄清楚社区之间的联系方式吗？
我对这类数据没有经验。我在社交网络分析中看到的所有内容都非常随机、明显或无趣。

【解决方案2】：

社区检测网络正是我所需要的：

http://perso.crans.org/aynaud/communities/

【讨论】：