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)[source]#

特征凝聚。

递归地合并特征对的聚类。

有关 FeatureAgglomeration 策略与单变量特征选择策略（基于 ANOVA）的比较示例，请参阅 Feature agglomeration vs. univariate selection。

在 User Guide 中阅读更多内容。

参数:
n_clustersint or None, default=2

要查找的聚类数量。如果 distance_threshold 不是 None，则必须为 None。

metricstr or callable, default=”euclidean”

用于计算连接的度量。可以是 “euclidean”、“l1”、“l2”、“manhattan”、“cosine” 或 “precomputed”。如果连接是 “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, 默认为 None

用于缓存树计算的输出。默认情况下，不进行缓存。如果给定字符串，则为缓存目录的路径。

connectivityarray-like, sparse matrix, or callable, default=None

连接矩阵。根据给定的数据结构定义每个特征的相邻特征。这本身可以是一个连接矩阵，也可以是一个将数据转换为连接矩阵的可调用对象，例如从 kneighbors_graph 派生而来。默认值为 None，即层次聚类算法是非结构化的。

compute_full_tree‘auto’ or bool, default=’auto’

在 n_clusters 处提前停止构建树。如果聚类数量与特征数量相比不小，这有助于减少计算时间。此选项仅在指定连接矩阵时有用。另请注意，当改变聚类数量并使用缓存时，计算完整树可能更有利。如果 distance_threshold 不是 None，则必须为 True。默认情况下，compute_full_tree 为 “auto”，当 distance_threshold 不是 None 或 n_clusters 小于 100 或 0.02 * n_samples 中的较大值时，等同于 True。否则，“auto” 等同于 False。

linkage{“ward”, “complete”, “average”, “single”}, default=”ward”

要使用的连接准则。连接准则决定了用于计算特征集之间距离的方法。算法将合并使此准则最小化的聚类对。

  • “ward” 最小化合并聚类的方差。

  • “complete” 或最大连接使用两个集合中所有特征之间的最大距离。

  • “average” 使用两个集合中每个特征之间距离的平均值。

  • “single” 使用两个集合中所有特征之间距离的最小值。

pooling_funccallable, default=np.mean

这将合并的特征值组合成一个单一值，应该接受形状为 [M, N] 的数组和关键字参数 axis=1，并将其归约为大小为 [M] 的数组。

distance_thresholdfloat, default=None

链接距离阈值，当聚类之间的距离达到或超过此阈值时将不再合并。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, default=False

即使未使用 distance_threshold，也会计算聚类之间的距离。这可用于树状图可视化，但会引入计算和内存开销。

0.24 版本新增。

属性:
n_clusters_int

算法找到的聚类数量。如果 distance_threshold=None，它将等于给定的 n_clusters。

labels_array-like of (n_features,)

每个特征的聚类标签。

n_leaves_int

层次树中的叶子数量。

n_connected_components_int

图中连通分量的估计数量。

版本 0.21 中新增：n_connected_components_ 已添加以替换 n_components_。

n_features_in_int

在 拟合 期间看到的特征数。

0.24 版本新增。

feature_names_in_shape 为 (n_features_in_,) 的 ndarray

在 fit 期间看到的特征名称。仅当 X 具有全部为字符串的特征名称时才定义。

1.0 版本新增。

children_array-like of shape (n_nodes-1, 2)

每个非叶节点的子节点。小于 n_features 的值对应于作为原始样本的树叶节点。大于或等于 n_features 的节点 i 是一个非叶节点，其子节点为 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_array-like of shape (n_nodes-1,)

对应于 children_ 中位置的节点之间的距离。仅在使用了 distance_threshold 或将 compute_distances 设置为 True 时计算。

另请参阅

AgglomerativeClustering

对样本而不是特征进行凝聚聚类。

ward_tree

使用 ward 连接的层次聚类。

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)[source]#

对数据进行层次聚类拟合。

参数:
Xshape 为 (n_samples, n_features) 的 array-like

数据。

y被忽略

Not used, present here for API consistency by convention.

返回:
selfobject

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)[source]#

拟合数据，然后对其进行转换。

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:
Xshape 为 (n_samples, n_features) 的 array-like

输入样本。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组对象，默认=None

目标值（对于无监督转换，为 None）。

**fit_paramsdict

额外的拟合参数。仅当估计器在其 fit 方法中接受额外的参数时才传递。

返回:
X_newndarray array of shape (n_samples, n_features_new)

转换后的数组。

get_feature_names_out(input_features=None)[source]#

获取转换的输出特征名称。

The feature names out will prefixed by the lowercased class name. For example, if the transformer outputs 3 features, then the feature names out are: ["class_name0", "class_name1", "class_name2"].

参数:
input_featuresarray-like of str or None, default=None

Only used to validate feature names with the names seen in fit.

返回:
feature_names_outstr 对象的 ndarray

转换后的特征名称。

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查阅 用户指南，了解路由机制如何工作。

返回:
routingMetadataRequest

封装路由信息的 MetadataRequest。

get_params(deep=True)[source]#

获取此估计器的参数。

参数:
deepbool, default=True

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

返回:
paramsdict

参数名称映射到其值。

inverse_transform(X)[source]#

反转转换并返回大小为 n_features 的向量。

参数:
Xarray-like of shape (n_samples, n_clusters) or (n_clusters,)

要分配给每个样本聚类的值。

返回:
X_originalndarray of shape (n_samples, n_features) or (n_features,)

大小为 n_samples 的向量，其中包含分配给每个样本聚类的 X 值。

set_output(*, transform=None)[source]#

设置输出容器。

有关如何使用 API 的示例，请参阅引入 set_output API。

参数:
transform{“default”, “pandas”, “polars”}, default=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: 转换配置保持不变

1.4 版本新增: 添加了 "polars" 选项。

返回:
selfestimator instance

估计器实例。

set_params(**params)[source]#

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（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:
selfestimator instance

估计器实例。

transform(X)[source]#

使用已构建的聚类对新矩阵进行转换。

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

M 个观测值在 N 个维度中的 M x N 数组，或 M 个一维观测值的长度 M 数组。

返回:
Yndarray of shape (n_samples, n_clusters) or (n_clusters,)

每个特征聚类的池化值。