HierarchicalClusteringTableExtensions

Full name Microsoft.VisualBasic.DataMining.HierarchicalClustering.HierarchicalClusteringTableExtensions Assembly Microsoft.VisualBasic.DataMining.HierarchicalClustering Members 9

层次聚类算法（Hierarchical Clustering）的统一二维表入口。

数据流：特征表 →（distanceMatrix）→ 距离矩阵表 →（hca / hcut）→ 聚类树 / 带 cluster 标签的表

01 Syntax

Microsoft.VisualBasic.DataMining.HierarchicalClustering.HierarchicalClusteringTableExtensions

02 Methods

Name	Overloads	Summary
distanceMatrix	1	将特征矩阵形式的二维表转换为对称距离矩阵形式的二维表。返回的新表中：features 为 n x n 的对称距离矩阵（对角线为 0）， rowNames 与 featureNames 均为样本名，并继承源表的标签列与名称/描述信息。 vb Dim dist = x.distanceMatrix() Dim tree = dist.hca()
hca	1	对距离矩阵形式的二维表执行凝聚层次聚类，返回聚类树（dendrogram）。注意：传入的 NumericTable 必须是距离矩阵！如果 source 是原始的特征矩阵，请先调用 HierarchicalClusteringTableExtensions.distanceMatrix()) 将特征矩阵转换为距离矩阵形式的二维表，然后…
hcut	2	对距离矩阵形式的二维表执行层次聚类，并按照距离阈值 threshold 切分聚类树（复用既有的扁平切分实现），将得到的类编号写入 cluster 标签列之后返回原表。注意：传入的 NumericTable 必须是距离矩阵！如果 source 是原始的特征矩阵，请先调用 HierarchicalClusteringTableExtens…
assertDistanceMatrix	1	校验目标表是否为距离矩阵（方阵），并给出醒目的转换提示
assertUniqueNames	1	获取唯一的样本名数组（距离矩阵的行列名以及层次聚类的输入都要求样本名唯一）
cutTree	1	按目标簇数量对聚类树进行切分：反复挑选“叶数最多且仍然可以分裂”的节点，用其子节点替换之，直到簇的数量达到 k 或者已经没有可分裂的节点。
writeClusterLabels	1	将扁平化的簇集合写入 cluster 标签列并返回原表
collectLeafs	1	递归的收集一个簇（子树）之中所有叶节点的名称

03 Members

method distanceMatrix #

distanceMatrix(NumericTable, Func(Of Double(), Double(), Double))

将特征矩阵形式的二维表转换为对称距离矩阵形式的二维表。

返回的新表中：features 为 n x n 的对称距离矩阵（对角线为 0）， rowNames 与 featureNames 均为样本名，并继承源表的标签列与名称/描述信息。

 Dim dist = x.distanceMatrix()
 Dim tree = dist.hca()

Parameters

Name	Type	Description
`source`	`NumericTable`	特征矩阵形式的二维表（每一行为一个样本，每一列为一个特征）
`metric`	`Func(Of Double(), Double(), Double)`	距离度量函数，缺省为欧氏距离 `DistanceMethods.EuclideanDistance()`。

Returns

距离矩阵形式的二维表

method hca #

hca(NumericTable, LinkageStrategy, Boolean)

对距离矩阵形式的二维表执行凝聚层次聚类，返回聚类树（dendrogram）。

注意：传入的 NumericTable 必须是距离矩阵！如果 source 是原始的特征矩阵，请先调用 HierarchicalClusteringTableExtensions.distanceMatrix() 将特征矩阵转换为距离矩阵形式的二维表，然后再进行层次聚类：

 Dim dist = x.distanceMatrix()
 Dim tree = dist.hca()

Parameters

Name	Type	Description
`source`	`NumericTable`	距离矩阵形式的二维表（方阵：`nfeatures = nsamples`，行与列均为样本）。注意：这里不是特征矩阵！
`linkage`	LinkageStrategy	连接策略，缺省为平均连接 AverageLinkageStrategy
`silent`	`Boolean`	是否静默运行（不输出进度信息），缺省为 True

Returns

层次聚类树（根节点）

method hcut overload 2 #

hcut(NumericTable, Int32, LinkageStrategy, Boolean)

对距离矩阵形式的二维表执行层次聚类，并按照目标簇数量 k 切分聚类树，将得到的类编号写入 cluster 标签列之后返回原表。

注意：传入的 NumericTable 必须是距离矩阵！如果 source 是原始的特征矩阵，请先调用 HierarchicalClusteringTableExtensions.distanceMatrix() 进行转换：

 Dim flat = x.distanceMatrix().hcut(k:=3)

Parameters

Name	Type	Description
`source`	`NumericTable`	距离矩阵形式的二维表（方阵），注意：不是特征矩阵！
`k`	`Int32`	目标簇数量
`linkage`	LinkageStrategy	连接策略，缺省为平均连接 AverageLinkageStrategy
`silent`	`Boolean`	是否静默运行，缺省为 True

Returns

写入 cluster 标签之后的原表对象

method hcut #

hcut(NumericTable, Double, LinkageStrategy, Boolean)

对距离矩阵形式的二维表执行层次聚类，并按照距离阈值 threshold 切分聚类树（复用既有的扁平切分实现），将得到的类编号写入 cluster 标签列之后返回原表。

注意：传入的 NumericTable 必须是距离矩阵！如果 source 是原始的特征矩阵，请先调用 HierarchicalClusteringTableExtensions.distanceMatrix() 进行转换：

 Dim flat = x.distanceMatrix().hcut(threshold:=5.0)

Parameters

Name	Type	Description
`source`	`NumericTable`	距离矩阵形式的二维表（方阵），注意：不是特征矩阵！
`threshold`	`Double`	距离阈值，小于该阈值的簇会被合并
`linkage`	LinkageStrategy	连接策略，缺省为平均连接 AverageLinkageStrategy
`silent`	`Boolean`	是否静默运行，缺省为 True

Returns

写入 cluster 标签之后的原表对象

method assertDistanceMatrix #

assertDistanceMatrix(NumericTable, String)

校验目标表是否为距离矩阵（方阵），并给出醒目的转换提示

method assertUniqueNames #

assertUniqueNames(NumericTable)

获取唯一的样本名数组（距离矩阵的行列名以及层次聚类的输入都要求样本名唯一）

method cutTree #

cutTree(Cluster, Int32)

按目标簇数量对聚类树进行切分：反复挑选“叶数最多且仍然可以分裂”的节点，用其子节点替换之，直到簇的数量达到 k 或者已经没有可分裂的节点。

method writeClusterLabels #

writeClusterLabels(NumericTable, IEnumerable(Of Cluster))

将扁平化的簇集合写入 cluster 标签列并返回原表

method collectLeafs #

collectLeafs(Cluster)

递归的收集一个簇（子树）之中所有叶节点的名称