WEKA 层次聚类输出 - 叶识别模糊答案

【问题标题】：WEKA Hierarchical Clustering Output - Leaf identification ambiguityWEKA 层次聚类输出 - 叶识别模糊
【发布时间】：2017-05-15 06:42:51
【问题描述】：

当从 WEKA 调用层次聚类时（我使用 C# 中的 IKVM，但我不认为这很重要，答案可以是任何一种语言），有一个选项可以生成 Newick 格式的树状图，但是当试图解析它，我需要识别叶子并将每个叶子链接到输入中的一个数据（向量）。

例如输入arff为：

@RELATION points


@ATTRIBUTE x REAL
@ATTRIBUTE y REAL

@DATA
1.0,2.0
3.0,1.0
1.0,3.0
2.0,1.0

我会得到以下 Newick 格式的树状图：

((2.0:1,3.0:1):1.49661,(1.0:1,1.0:1):1.49661)

哪里不清楚点是怎么识别的（第一个分支有2和3，但第二个分支有1和1，但不清楚哪个是哪个）。

有没有办法改变这个输出的表示方式，或者在 Newick 输出中以更好的方式添加一个额外的唯一属性标识基准？

【问题讨论】：

我觉得我对输出的理解有误，如果我是这样请告诉我，也许输出不代表每个点而是代表特定的y

标签： java c# weka graph-theory ikvm

【解决方案1】：

找到了解决方案，它可能不适用于所有距离函数，但它适用于 Weka Hierarchical Clustering 的默认配置：解决方法就是在最后添加一个额外的字符串属性，似乎在所有计算中都被忽略了，这可以包含行或向量的唯一标识，这将被 WEKA 用于输出最终的图形（Newick dendrogram） .

ARFF 示例：

@RELATION points

@ATTRIBUTE x REAL
@ATTRIBUTE y REAL
@ATTRIBUTE id   STRING

@DATA
1,5,100 
2,6,200
3,5,300

这将产生以下 Newick：

(((100:1.41421,200:1.41421):-0.05358,300:1.36064):0.441,400:1.80164)

当忽略最后一个属性时，这将产生完全相同的簇，但叶子的命名不同：

(((5.0:1.41421,6.0:1.41421):-0.05358,5.0:1.36064):0.441,6.0:1.80164)

这是模棱两可的。

【讨论】：