SciPy - average() 方法

SciPy average() 方法用於執行距離矩陣的算術平均任務。在資料分析中，此方法有助於我們從資料點建立層次結構的簇。

此方法將兩個簇之間的距離稱為所有資料點對之間的平均距離，其中一個點來自第一個簇，另一個點來自第二個簇。

語法

以下是 SciPy average() 方法的語法 -

average(y)

引數

此方法接受一個引數 -

• y: 此引數儲存距離陣列矩陣。

返回值

此方法返回鏈路矩陣（結果）。

示例 1

以下是 SciPy average() 方法執行距離矩陣任務。

import numpy as np
from scipy.cluster.hierarchy import average, dendrogram
import matplotlib.pyplot as plt

# Distance matrix
y = np.array([0.6, 0.2, 0.3, 0.5, 0.4, 0.8])

# Perform average linkage clustering
result = average(y)

# Plot the dendrogram
plt.figure(figsize=(6, 4))
dendrogram(result)
plt.title('Dendrogram - Average Linkage')
plt.xlabel('indexes')
plt.ylabel('Distance')
plt.show()

輸出

以上程式碼會產生以下結果 -

示例 2

下面的示例對隨機資料集執行平均連鎖聚類任務。

import numpy as np
from scipy.spatial.distance import pdist
from scipy.cluster.hierarchy import average, dendrogram
import matplotlib.pyplot as plt

# generate random data
data = np.random.rand(4, 2)

# calculate the distance matrix
y = pdist(data, metric='euclidean')

# average linkage clustering
result = average(result)

# plot the dendrogram
plt.figure(figsize=(6, 4))
dendrogram(Z)
plt.title('Dendrogram - Average Linkage on Random Data')
plt.xlabel('indexes')
plt.ylabel('Distance')
plt.show()

輸出

以上程式碼會產生以下結果 -

示例 3

為了獲得平均聚類連鎖，它使用 dendrogram() 來視覺化資料並生成預期結果。在此，我們提到度量型別為“cityblock”。

import numpy as np
from scipy.spatial.distance import pdist
from scipy.cluster.hierarchy import average, dendrogram
import matplotlib.pyplot as plt

# sample data
data = np.array([[1, 5], [2, 4], [3, 6], [4, 8]])

# calculate the distance matrix using a custom metric
y = pdist(data, metric='cityblock')

# average linkage clustering
result = average(y)

# Plot the dendrogram
plt.figure(figsize=(6, 4))
dendrogram(result)
plt.title('Dendrogram - Average Linkage with Cityblock Distance')
plt.xlabel('indexes')
plt.ylabel('Distance')
plt.show()

輸出

以上程式碼會產生以下結果 -