Python数据框中具有单个链接的分层聚类

Question

我有一个熊猫数据框来进行分层聚类。

    A   B   C
A   0   1   3
B   1   0   2
C   3   2   0

我尝试的代码：

z=linkage(df,'single')
dn = dendrogram(z,labels=index)

然后我得到一个奇怪的结果：A＆B作为距离为1.73的群集（正确应为1），然后A＆B＆C作为距离为3.46的群集（正确应为2）。

Answer 1

scipy.cluster.hierarchy.linkage中使用的默认距离是欧几里德距离，定义为d(x,y) = \sqrt(\sum(x_i-y_i))（您可以将其检查为here）。我认为您感到困惑的原因是因为您正在取平均值（并计算均方根误差）。

所以您的情况是d(A,B) = \sqrt(3) = 1.73

然后，由于您的连锁是single，因此（A，B）与C之间的距离是d（A，C）与d（B，C）之间的最小值，即d(B,C) = \sqrt(12)