如何设定层次集群的限制

发布于 2025-02-06 00:46:04 字数 795 浏览 2 评论 0原文

我有一个类似的数据集：

C1	C2	C3	C4	C5	R1
3	7	4	3	5	R2
4	2	6	5	2	R3
8	4	4	4	6	2
R4	9	4	5	6	2
R5	3	7	4	5	8 8
R6	2	6	9	1	10

＃每行的元素确定位置之间的距离。例如，R1和C2之间的距离为7公里。

现在我的问题是：如何设置一个限制，以防止其值大于5？！换句话说，分层算法不包括它们的计算。请帮助我解决这个问题。谢谢。

原文

I have a dataset like this :

#	c1	c2	c3	c4	c5
r1	3	7	4	3	5
r2	4	2	6	5	2
r3	8	4	4	6	2
r4	9	4	5	6	2
r5	3	7	4	5	8
r6	2	6	9	1	10

and the elements in each row determine the distance between locations. for example distance between r1 and c2 is 7 km.

now my question is: how can I set a limitation that prevents clustering for elements that their values are bigger than 5 ?! in other words, hierarchical algorithm Does not include them in it's calculations.
please help me to solve this problem.
thanks.

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

江挽川 2025-02-13 00:46:05

使用Sklearn的聚集聚类进行建模，提供5在decode> decond_threshold参数如下：

from sklearn.cluster import AgglomerativeClustering
cluster = AgglomerativeClustering(affinity='euclidean', linkage='ward',distance_threshold = 5)  
cluster.fit_predict(data_scaled)

有关更多信息，请检查此博客
[https://www.analyticsvidhya.com/blog/2019/05/beginners-guide-hierarchical-clustering/] [1]

Modelling using sklearn's agglomerative clustering, provide 5 in distance_threshold parameter as follows:

from sklearn.cluster import AgglomerativeClustering
cluster = AgglomerativeClustering(affinity='euclidean', linkage='ward',distance_threshold = 5)  
cluster.fit_predict(data_scaled)

For more information, check this blog
[https://www.analyticsvidhya.com/blog/2019/05/beginners-guide-hierarchical-clustering/][1]

回复收藏 0 原文

~没有更多了~