顺序保持分层凝聚聚类 - Python答案

【问题标题】：Order Preserving Hierarchical Agglomerative Clustering - Python顺序保持分层凝聚聚类 - Python
【发布时间】：2022-01-01 06:08:12
【问题描述】：

是否有任何可用的分层凝聚聚类实现（在 Python 中）可以保留数据点的顺序？例如，我想要这样的输出。

(((seg1, seg2), (seg3, seg4)), seg5)

但不是这样

(((seg1, seg5), (seg2, seg3)), seg4)

例如，实际输出与现有实现

预期输出（任何实现？）

【问题讨论】：

你知道这会弄乱聚类图吗？例如，Segment1 和 Segment14 将被分开放置，即使它们在层次上很接近。可能有办法以这种方式呈现数据，但至少可以说生成的图表会令人困惑。
@jfaccioni，上图是一个例子。我有一本小说（书），我喜欢根据一些条件将它按顺序分段。之后，我想根据相似性对连续的段进行分组，我不想对不连续的段进行分组。

【解决方案1】：

Vijaya，据我所知，只有一个公共图书馆可以保留层次聚类 (ophac)，但如果您的数据完全有序，那么它只会返回一个微不足道的层次结构（这些部分就是这种情况）一本书）。

有一种理论可以为您的答案提供理论上的答复，但目前不存在行业强度的算法：https://arxiv.org/abs/2109.04266。我有一个这个理论的实现，最多可以处理 20 个元素，所以如果这很有趣，请给我一个提示，我会分享代码。

【讨论】：

谢谢丹尼尔提供的信息。是的，我已经看到并尝试使用“ophac”库。它不适用于我的数据集。我也看过你提到的那篇论文。在看论文之前，我有同样的直觉；但是，我没有实现它。如果你能分享你的代码，那就太好了。我可以从那里为我的数据集工作。
我公开了以下 repo：bitbucket.org/Bakkelund/wophac_benchmark/src/master 实现集群的方法是文件 whophac_approx.py 中的“层次结构”方法。这是正在进行的工作，而且，我必须承认，目前对用户不太友好。您可以在 src/comparative_analysis.run_wophac(...) 中看到使用此方法的示例。在此方法中，输出被转换为与 ophac 方法相同类型的输出。
感谢 Daniel 分享您的代码。我去看看。