Scipy 聚类：在 fcluster 中使用哪种方法进行简单分组？

Question

scipy clustering module 中有无数的 optin，我想确保我正确使用它们。我有一个对称距离矩阵DR，我想找到所有集群，使得集群中的任何点都有一个距离不超过 1.2 的邻居。

L = linkage(DR,method='single')
F = fcluster(L, 1.2)

在linkage 中，我很确定single 是我想要的（最近点算法）。但是对于fcluster，我认为我想要默认的“不一致”方法：

‘不一致’：如果一个集群节点及其所有后代的值不一致，小于或等于 t，那么它的所有叶子后代都属于同一个平面集群。当没有非单例集群满足这个标准时，每个节点都被分配到自己的集群中。 （默认）

但也许是“距离”方法：

‘距离’：形成平面簇，使得每个平面簇中的原始观测值不大于 t。

...我不确定。使用哪一个？在这种情况下，cophenetic distance distance 是什么意思？

Answer 1

您可能想查看 DBSCAN。请参阅有关它的维基百科文章。看起来您正在寻找 minPts=1 和 epsilon=1.2 的 DBSCAN 输出

从维基百科上的伪代码判断，实现起来相当简单，特别是因为您似乎已经有了一个距离矩阵。自己做吧。