階層型クラスタリング

cluster.py

import numpy as np
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.cluster import KMeans
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage, fcluster, set_link_color_palette

np.set_printoptions(precision=2)
docs = np.array([
    #形態素毎にスペースで区切られた文書の配列
        ])
vectorizer = TfidfVectorizer(use_idf=True)
vecs = vectorizer.fit_transform(docs).toarray()

z = linkage(vecs, method='ward')

# 3. 図のフォーマットを指定
plt.figure(figsize=(100, 50))
plt.rcParams['font.family'] = 'Times New Roman'
plt.rcParams['font.size'] = 10
plt.title('Hierarchical Clustering Dendrogram', fontsize=20)
plt.xlabel('Observation Points', fontsize=10)
plt.ylabel('Distance', fontsize=10)

 

# 4. デンドログラムの作成

set_link_color_palette(['purple', 'lawngreen', 'green', 'blue', 'orange', 'red']) # ６クラスタまでの色を指定

dendrogram(z,
        leaf_font_size=10, # 横軸の文字の大きさを指定
        color_threshold=2.1, # ユークリッド平方距離が７以上を同色で表示
        above_threshold_color='black'
        ) # ユークリッド平方距離が７以上を黒色に指定

 

# 5. 各地点のクラスタ―番号の出力
group = fcluster(z, 2.1, criterion='distance') # ユークリッド平方距離で分けたい場合
#group = fcluster(z, 10, criterion='maxclust') # クラスタ数で分けたい場合
print (group)
plt.show()