FeatureAgglomeration#

class sklearn.cluster.FeatureAgglomeration(n_clusters=2, *, metric='euclidean', memory=None, connectivity=None, compute_full_tree='auto', linkage='ward', pooling_func=<function mean>, distance_threshold=None, compute_distances=False)[源]#

特征凝聚。

递归地合并成对的特征簇。

有关 FeatureAgglomeration 策略与单变量特征选择策略（基于 ANOVA）的示例比较，请参阅 特征凝聚与单变量选择。

在用户指南中阅读更多信息。

参数:
n_clustersint 或 None，默认值=2

要找到的簇的数量。如果 distance_threshold 不为 None，则必须为 None。

metricstr 或 callable，默认值=”euclidean”

用于计算链接的度量。可以是 “euclidean”、“l1”、“l2”、“manhattan”、“cosine” 或 “precomputed”。如果链接是 “ward”，则只接受 “euclidean”。如果为 “precomputed”，则 fit 方法需要距离矩阵作为输入。

1.2 版本新增。

memorystr 或具有 joblib.Memory 接口的对象，默认值=None

用于缓存树计算的输出。默认情况下，不进行缓存。如果给出字符串，它将是缓存目录的路径。

connectivity类数组、稀疏矩阵或 callable，默认值=None

连通性矩阵。根据给定数据结构定义每个特征的相邻特征。这本身可以是一个连通性矩阵，也可以是一个将数据转换为连通性矩阵的 callable，例如从 kneighbors_graph 派生。默认值为 None，即层次聚类算法是无结构的。

compute_full_tree‘auto’ 或 bool，默认值=’auto’

在 n_clusters 处提前停止树的构建。如果簇的数量与特征数量相比不小，这有助于减少计算时间。此选项仅在指定连通性矩阵时有用。另请注意，当簇数量变化且使用缓存时，计算完整树可能更有利。如果 distance_threshold 不为 None，则它必须为 True。默认情况下，compute_full_tree 为 “auto”，当 distance_threshold 不为 None 或 n_clusters 小于 100 或 0.02 * n_samples 的最大值时，等同于 True。否则，“auto” 等同于 False。

linkage{“ward”, “complete”, “average”, “single”}，默认值=”ward”

要使用的链接准则。链接准则确定用于特征集之间距离的度量。算法将合并使此准则最小化的簇对。

  • “ward” 最小化合并簇的方差。

  • “complete” 或最大链接使用两个集合所有特征之间的最大距离。

  • “average” 使用两个集合每个特征距离的平均值。

  • “single” 使用两个集合所有特征之间距离的最小值。

pooling_funccallable，默认值=np.mean

此函数将聚合特征的值合并为单个值，应接受形状为 [M, N] 的数组和关键字参数 axis=1，并将其减少为大小为 [M] 的数组。

distance_thresholdfloat，默认值=None

链接距离阈值，当距离达到或超过此阈值时，簇将不再合并。如果不是 None，则 n_clusters 必须为 None，且 compute_full_tree 必须为 True。

0.21 版本新增。

compute_distancesbool，默认值=False

即使未使用 distance_threshold，也计算簇之间的距离。这可用于生成树状图可视化，但会引入计算和内存开销。

0.24 版本新增。

属性:
n_clusters_int

算法找到的簇的数量。如果 distance_threshold=None，则它将等于给定的 n_clusters。

labels_类数组，形状为 (n_features,)

每个特征的簇标签。

n_leaves_int

层次树中的叶子数量。

n_connected_components_int

图中连接组件的估计数量。

0.21 版本新增: n_connected_components_ 用于替代 n_components_。

n_features_in_int

在 fit 期间看到的特征数量。

0.24 版本新增。

feature_names_in_ndarray，形状为 (n_features_in_,)

在 fit 期间看到的特征名称。仅当 X 具有都是字符串的特征名称时才定义。

1.0 版本新增。

children_类数组，形状为 (n_nodes-1, 2)

每个非叶节点的子节点。小于 n_features 的值对应于树的叶子，即原始样本。大于或等于 n_features 的节点 i 是非叶节点，并且具有子节点 children_[i - n_features]。或者，在第 i 次迭代中，children[i][0] 和 children[i][1] 合并形成节点 n_features + i。

distances_类数组，形状为 (n_nodes-1,)

在 children_ 中对应位置的节点之间的距离。仅当使用 distance_threshold 或将 compute_distances 设置为 True 时才计算。

另请参阅

AgglomerativeClustering

聚类样本而不是特征。

ward_tree

使用 ward 链接的层次聚类。

示例

>>> import numpy as np
>>> from sklearn import datasets, cluster
>>> digits = datasets.load_digits()
>>> images = digits.images
>>> X = np.reshape(images, (len(images), -1))
>>> agglo = cluster.FeatureAgglomeration(n_clusters=32)
>>> agglo.fit(X)
FeatureAgglomeration(n_clusters=32)
>>> X_reduced = agglo.transform(X)
>>> X_reduced.shape
(1797, 32)
fit(X, y=None)[源]#

在数据上拟合层次聚类。

参数:
X类数组，形状为 (n_samples, n_features)

数据。

y忽略

未使用，此处仅为 API 一致性。

返回:
self对象

返回转换器。

property fit_predict#

拟合并返回每个样本的聚类分配结果。

fit_transform(X, y=None, **fit_params)[源]#

拟合数据，然后进行转换。

使用可选参数 fit_params 将转换器拟合到 X 和 y，并返回 X 的转换版本。

参数:
X类数组，形状为 (n_samples, n_features)

输入样本。

y类数组，形状为 (n_samples,) 或 (n_samples, n_outputs)，默认值=None

目标值（无监督转换的为 None）。

**fit_paramsdict

额外的拟合参数。

返回:
X_newndarray 数组，形状为 (n_samples, n_features_new)

转换后的数组。

get_feature_names_out(input_features=None)[源]#

获取转换的输出特征名称。

输出特征名称将以小写类名作为前缀。例如，如果转换器输出 3 个特征，则输出特征名称为：["class_name0", "class_name1", "class_name2"]。

参数:
input_features类数组的字符串或 None，默认值=None

仅用于验证与 fit 中看到的名称一致的特征名称。

返回:
feature_names_out字符串对象的 ndarray

转换后的特征名称。

get_metadata_routing()[源]#

获取此对象的元数据路由。

请查看用户指南，了解路由机制的工作原理。

返回:
routingMetadataRequest

一个封装路由信息的 MetadataRequest。

get_params(deep=True)[源]#

获取此估计器的参数。

参数:
deepbool，默认值=True

如果为 True，将返回此估计器及其包含的子对象（如果它们是估计器）的参数。

返回:
paramsdict

参数名称及其对应的值的映射。

inverse_transform(X)[源]#

逆转换并返回大小为 n_features 的向量。

参数:
X类数组，形状为 (n_samples, n_clusters) 或 (n_clusters,)

要分配给每个样本簇的值。

返回:
X_originalndarray，形状为 (n_samples, n_features) 或 (n_features,)

一个大小为 n_samples 的向量，其中 X 的值已分配给每个样本簇。

set_output(*, transform=None)[源]#

设置输出容器。

有关如何使用 API 的示例，请参阅 set_output API 介绍。

参数:
transform{“default”, “pandas”, “polars”}，默认值=None

配置 transform 和 fit_transform 的输出。

  • "default"：转换器的默认输出格式

  • "pandas"：DataFrame 输出

  • "polars"：Polars 输出

  • None：转换配置不变

1.4 版本新增: 增加了 "polars" 选项。

返回:
self估计器实例

估计器实例。

set_params(**params)[源]#

设置此估计器的参数。

此方法适用于简单的估计器以及嵌套对象（例如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，以便可以更新嵌套对象的每个组件。

参数:
**paramsdict

估计器参数。

返回:
self估计器实例

估计器实例。

transform(X)[源]#

使用构建的聚类转换新矩阵。

参数:
X类数组，形状为 (n_samples, n_features) 或 (n_samples, n_samples)

一个 M 行 N 列的数组，表示 N 维中的 M 个观测值，或一个长度为 M 的数组，表示 M 个一维观测值。

返回:
Yndarray，形状为 (n_samples, n_clusters) 或 (n_clusters,)

每个特征簇的汇总值。