多维层次聚类 - python

Question

有没有多维层次聚类的东西？

我都对着这些地方：

• http://docs.scipy.org/doc/scipy/reference/cluster.hierarchy.html
• http://scikit-learn.org/stable/modules/clustering.html
• http://docs.scipy.org/doc/scipy/reference/generated/scipy.cluster.hierarchy.dendrogram.html#scipy.cluster.hierarchy.dendrogram

，但没有成功，到目前为止

含义：查找组时相同的方式，是完成2维，但与multipl Ë尺寸

一些代码：

import pandas as pd 
import numpy as np 
set_of_values = pd.DataFrame(
    [np.random.rand(10), 
    np.random.rand(10), 
    np.random.rand(10), 
    np.random.rand(10), 
    np.random.rand(10),], 
    index=['temp differential', 'power differential', 'cost', 'time','output'], 
    columns=range(10)).transpose() 
print(set_of_values) 

我想找到（“温度差”，“权力差”，“成本”，“时间”，“输出”）中的所有集群。因为它是一个超平面。理想情况下使用[所有组]的输出：

GROUP #1: (a,b,c,d,e), (a',b',c',d',e'), ... , (a'',b'',c'',d'',e'') 
... 
GROUP #n: ('a,'b,'c,'d,'e), ('a,'b,'c,'d,'e), ... , (''a,''b,''c,''d,''e) 

给出了渐进式“聚类”的阈值。它可行吗？

Answer 1

下面是一个简单的例子。在这里，这是集群4个随机变量的层次聚类：

%matplotlib inline 
import matplotlib.pylab as plt 
import seaborn as sns 
import pandas as pd 
import numpy as np 

df = pd.DataFrame({"col" + str(num): np.random.randn(50) for num in range(1,5)}) 
sns.clustermap(df) 

如果您关心理解树状联系和阈值来获得群集，seaborn工具使用SciPy的和this post将是有益的。

如果你想在空间可视化这一点，我建议采用主成分分析和绘图PC1 VS PC2 http://scikit-learn.org/stable/auto_examples/decomposition/plot_pca_iris.html