如何在Python中對字典的值進行聚類？

基本上，我有一個Python字典，字符串鍵和int數組作爲值。如何在Python中對字典的值進行聚類？

dict = {"Option1Results" : [4, 1, 5, 2, 4], 
     "Option2Results" : [11, 44, 2, 1, 5], 
     .... 
     }

我想基於這些值的交集在這個字典上實現分層聚類。例如，假設Option1Results和Option4Results共享大約70％的相同整數，然後將它們聚集在一起。除了遍歷字典並逐個比較值之外，還有什麼方法可以解決這個問題嗎？

來源

2017-07-24 GiveEmMoZo

你是什麼意思「聚集在一起」？這就是爲什麼強烈建議你在SO上展示你最好的嘗試，不管它效率低下或蹩腳。你的代碼經常使解釋變得更容易。 –

字典不是此問題選擇的正確選項。 –

鑑於'A'是'[1,2,3,4]'和'B'是'[2,3,4,5]'而'C'是'[4,5,6,7]'。根據你的標準'A'和'B'會聚簇，'B'和'C'會聚簇，但'A'和'C'不會聚簇。你將如何處理？ [層次聚類標記]（https://stackoverflow.com/tags/hierarchical-clustering/info）提到了許多聚類技術。你選了一個嗎？你研究過你的聚類技術的算法嗎？ –

我想你可以利用兩個函數餘弦相似性和k均值

餘弦相似性：

餘弦相似性是相似的兩個非零內積空間的措施的向量之間的度量它們之間角度的餘弦。
https://en.wikipedia.org/wiki/Cosine_similarity

data = {'Option{}Results'.format(i):[ random.randint(1,100) for _ in range(5)] for i in range(100)} 
pairwise.cosine_similarity(data.values()[0],data.values()[1]) 
array([[ 0.85988428]])

k均值：

k均值聚類是矢量量化的方法，最初來自信號處理，即流行用於數據挖掘聚類分析。 k均值聚類旨在將n個觀測值劃分爲k個觀測值，其中每個觀測值屬於具有最近平均值的羣集，用作羣集的原型。這導致將數據空間劃分爲Voronoi單元。 https://en.wikipedia.org/wiki/K-means_clustering

from sklearn.cluster import KMeans 
kmeans = KMeans(n_clusters=5, random_state=0).fit(data.values()) 
kmeans.predict(data['Option70Results']) 
array([2])

來源

2017-07-24 20:46:42 galaxyan

爲了找到給定字典作爲一組的值的交叉點：

intersection = set.intersection(*map(set, dict.values())

分級聚類可使用SciPy的的聯動和fcluster來實現。這個answer解釋了使用scipy的分層聚類。

來源

2017-07-24 21:11:36 kekkler

如何在Python中對字典的值進行聚類？

回答

相關問題