一、實驗目的
如果您以前從未使用過樹狀圖，那麼使用樹狀圖是檢視多維資料如何聚集在一起的好方法。 在這本筆記本中，我將簡單探索透過層次分析，藉助樹狀圖將其視覺化。
二、層次分析
層次分析是聚類分析的一種，scipy有這方面的封裝包。
linkage函式從字面意思是連結，層次分析就是不斷連結的過程，最終從n條資料，經過不斷連結，最終聚合成一類，演算法就此停止。
dendrogram是用來繪製樹形圖的函式。
三、實驗資料
grain_variety是標籤，其他列為多種屬性的值（特徵）。
from scipy。cluster。hierarchy import linkage， dendrogram
import matplotlib。pyplot as plt
import pandas as pd
seeds_df = pd。read_csv（‘seeds-less-rows。csv’）
seeds_df。head（）
#移除grain_variety
varieties = list（seeds_df。pop（‘grain_variety’））
varieties
［‘Kama wheat’，
‘Kama wheat’，
‘Kama wheat’，
‘Rosa wheat’，
‘Rosa wheat’，
‘Rosa wheat’，
‘Rosa wheat’，
‘Rosa wheat’，
‘Canadian wheat’，
‘Canadian wheat’，
‘Canadian wheat’，
‘Canadian wheat’，
‘Canadian wheat’，
‘Canadian wheat’］
#檢視seeds_df資料
samples = seeds_df。values
print（samples）
print（‘samples的維度’，samples。shape）
［［14。88 14。57 0。8811 5。554 3。333 1。018 4。956 ］
［14。69 14。49 0。8799 5。563 3。259 3。586 5。219 ］
［14。03 14。16 0。8796 5。438 3。201 1。717 5。001 ］
［19。31 16。59 0。8815 6。341 3。81 3。477 6。238 ］
［17。99 15。86 0。8992 5。89 3。694 2。068 5。837 ］
［18。85 16。17 0。9056 6。152 3。806 2。843 6。2 ］
［19。38 16。72 0。8716 6。303 3。791 3。678 5。965 ］
［17。36 15。76 0。8785 6。145 3。574 3。526 5。971 ］
［13。32 13。94 0。8613 5。541 3。073 7。035 5。44 ］
［11。43 13。13 0。8335 5。176 2。719 2。221 5。132 ］
［11。26 13。01 0。8355 5。186 2。71 5。335 5。092 ］
［12。46 13。41 0。8706 5。236 3。017 4。987 5。147 ］
［11。81 13。45 0。8198 5。413 2。716 4。898 5。352 ］
［11。23 12。88 0。8511 5。14 2。795 4。325 5。003 ］］
samples的維度 （14， 7）
四、使用linkage對samples進行層次聚類
X = linkage（y， method=‘single’， metric=‘euclidean’）
sacipy中y是距離矩陣，我對此只是傻傻的理解成特徵矩陣。 矩陣是（m*n） ，其中m行代表m條記錄，n代表n個特徵
返回結果X是（m-1）*4的矩陣。 具體含義請看下面的案例
mergings = linkage（samples）
#我們發現mergings比samples小1
print（‘sample維度’，samples。shape）
print（‘mergings維度’，mergings。shape）
sample維度 （14， 7）
mergings維度 （13， 4）
#層次分析視覺化，leaf的字型不旋轉，大小為10。
#這裡我們不顯示每一條資料的具體名字標籤（varieties），預設以數字標籤顯示
dendrogram（mergings，
leaf_rotation=0，
leaf_font_size=10）
plt。show（）
#在圖中顯示的數字是最細粒度的葉子，相當於每個樣本資料點。
mergings
array（［［ 3。 ， 6。 ， 0。37233454， 2。 ］，
［11。 ， 12。 ， 0。77366442， 2。 ］，
［10。 ， 15。 ， 0。89804259， 3。 ］，
［ 5。 ， 14。 ， 0。90978998， 3。 ］，
［13。 ， 16。 ， 1。02732924， 4。 ］，
［ 0。 ， 2。 ， 1。18832161， 2。 ］，
［ 4。 ， 17。 ， 1。28425969， 4。 ］，
［ 7。 ， 20。 ， 1。62187345， 5。 ］，
［ 1。 ， 19。 ， 2。02587613， 3。 ］，
［ 9。 ， 18。 ， 2。13385537， 5。 ］，
［ 8。 ， 23。 ， 2。323123 ， 6。 ］，
［22。 ， 24。 ， 2。87625877， 9。 ］，
［21。 ， 25。 ， 3。12231564， 14。 ］］）
層次分析圖從上到下看，依次是枝和葉。
第一列和第二列代表類標籤，包含葉子和枝子。
第三列代表葉葉（或葉枝，枝枝）之間的距離
第四列代表該層次類中含有的樣本數（記錄數）
五、不同的層次聚類演算法
X = linkage（y， method=‘single’， metric=‘euclidean’）
method是指計算類間距離的方法，比較常用的有3種：
（1）single：最近鄰，把類與類間距離最近的作為類間距
（2）average：平均距離，類與類間所有pairs距離的平均
（3）complete：最遠鄰，把類與類間距離最遠的作為類間距
我們寫曾側分析法函式，看看不同的method從圖中有什麼區別
def hierarchy_analysis（samples，method=‘single’）：
mergings = linkage（samples， method=method）
dendrogram（mergings，
labels=varieties，
leaf_rotation=45，
leaf_font_size=10）
plt。show（）
#single
hierarchy_analysis（samples，method=‘single’）
#average
hierarchy_analysis（samples，method=‘average’）
#complete
hierarchy_analysis（samples，method=‘complete’）
由於資料量比較少，complete和average方法做出來的圖完全一樣。
備註：本文只作學習用，如有侵權，聯絡刪除
資料及程式碼獲取
連結：
https：//
pan。baidu。com/s/14jREwH
EA3YN3LIrEHJOGhg
密碼： 69s7
原文連結：使用樹狀圖做層次聚類分析
