python - 获取最接近簇质心的元素

Question

在使用 scipy.cluster.hierarchy.linkage 对距离矩阵进行聚类，并使用 scipy.cluster.hierarchy.cut_tree 将每个样本分配给一个聚类后，我想从每个簇中提取一个元素，该元素最接近该簇的质心。

• 如果为此存在现成的功能，我将是最高兴的，但缺乏它:
• 已经提出了一些建议here用于提取质心本身，而不是最接近质心的元素。
• 请注意，不要将这与 scipy.cluster.hierarchy.linkage 中的 centroid 链接规则混淆。我自己已经进行了聚类，只是想访问最接近质心的元素。

Answer 1

使用 KD 树可以最有效地计算最近邻。例如:

from scipy.spatial import cKDTree

def find_k_closest(centroids, data, k=1, distance_norm=2):
    """
    Arguments:
    ----------
        centroids: (M, d) ndarray
            M - number of clusters
            d - number of data dimensions
        data: (N, d) ndarray
            N - number of data points
        k: int (default 1)
            nearest neighbour to get
        distance_norm: int (default 2)
            1: Hamming distance (x+y)
            2: Euclidean distance (sqrt(x^2 + y^2))
            np.inf: maximum distance in any dimension (max((x,y)))

    Returns:
    -------
        indices: (M,) ndarray
        values: (M, d) ndarray
    """

    kdtree = cKDTree(data, leafsize=leafsize)
    distances, indices = kdtree.query(centroids, k, p=distance_norm)
    if k > 1:
        indices = indices[:,-1]
    values = data[indices]
    return indices, values

indices, values = find_k_closest(centroids, data)