从 Python 中的亲和矩阵聚类

Question

我正在尝试定位类似对象的集群。我为每个对象到对象的比较计算了一个值，并创建了一个如下形式的矩阵：

header =  [1, 2, 3, 4, 5]
matrix = [[0, 100, 0, 0, 0]
          [100, 0, 0, 0, 0]
          [0, 0, 0, 0, 0]
          [0, 0, 0, 0, 0]
          [0, 0, 0, 0, 0]]

我将矩阵传递给 sklearn Affinity Propagation 模块：

matrix = np.array(matrix)
cluster = AffinityPropagation(preference="precomputed")
cls = cluster.fit_predict(matrix)

在给出的示例中，我希望 1 和 2 是聚类的，因为 1-2 / 2-1 是 100，而所有其他值都是零。但是 cls 数组并没有反映这一点：

cls = [0 0 0 0 1]

表示1、2、3、4是一个簇，5是单独的簇。

我尝试通过右上三角矩阵，改变值大小（即 0-1 副 0-100）等，但它没有按预期聚集。

对我缺少什么的想法？

附加信息 2014 年 10 月 24 日：

我正在对我的对象进行成对比较，并从中生成一个数字，表明每个对象与其他对象的相关程度。许多这些对象根本不相关，因此它们产生“0”值。

这会创建一个稀疏的 n×n 矩阵，其中 n 大约是 10 到 100 个对象。

从视觉上看，将这些对象“聚类”以进行进一步分析对我来说是微不足道的。在以下情况下，1 与 2 相关，2 与 3 相关，但 1 和 3 并不直接相关。我将继续处理 1、2 和 3，并忽略 4 和 5。（在我的实际数据中，我可能在单个矩阵中有多个有效的簇）。

header =  [1,   2,   3,   4,   5]
matrix = [[0,  100,  0,   0,   0]
          [100, 0,  96,  0,  0]
          [0,  96,  0,   0,   0]
          [0,   0,   0,   0,   0]
          [0,   0,   0,   0,   0]]

我的研究表明，Affinity Propagation 擅长在稀疏矩阵中寻找聚类，并且我的成对比较有效地生成了“预先计算”的亲和矩阵。

虽然很容易从视觉上找到这些集群，但我想将其自动化，以便将其与之前和之后的代码集成。但是，正如原始帖子所示，我没有生成有意义的集群。

问题：

是否需要某种处理才能从我描述的那种矩阵开始生成有意义的集群？

我是否忽略了一个步骤或以其他方式将错误插入到算法中，导致它无法找到我的集群？

我应该对这类数据使用不同的聚类方法（DBSCAN、k-means 等）吗？

Answer 1

0 不是一个神奇的“不链接”值。

由于对象 3 和 4 的亲和性与 1、2 或 5相同，因此它们分配到何处无关紧要；它们的质量大致相同。

1 和 2 的内聚性更强，可能更适合将 3 和 4 分配在那里；并且生产不止一次集群的愿望可能会导致 5 保持分离。但它也可能只是随机的，对象 3 和 4 被分配到最佳亲和力的第一个示例（来自集群 1,2）；对象 5 只是保持独立，至少有两个组件。

使用真实数据，而不是手工制作的相似性。