`skfolio.cluster`.层次聚类#

class skfolio.cluster.HierarchicalClustering(max_clusters=None, linkage_method=WARD)[来源]#

层次聚类。

Parameters:

max_clustersint, optional: 对于连贯的聚类，算法找到一个最小阈值 r，以使得同一扁平聚类中任何两个原始观察值之间的共线距离不超过 r，同时形成的扁平聚类不超过 max_clusters 个。默认值 (None) 是基于二阶差分到间隙统计量的最大聚类数进行估计 [1]。
linkage_methodLinkageMethod, default=LinkageMethod.WARD: 计算链接矩阵中簇之间距离的方法。请参阅Linkage Methods部分，了解scipy.cluster.hierarchy.linkage的完整描述。默认是Ward方差最小化算法LinkageMethod.WARD。

Attributes:

n_clusters_int: 形成的聚类数量。
labels_ndarray of shape (n_assets,): 每个资产的标签。
linkage_matrix_ndarray of shape (n_assets - 1, 4): 从distance_estimator的距离矩阵计算得出的连接矩阵。
condensed_distance_ndarray of shape (\binom{n_assets}{2}, ): 一维压缩距离矩阵。
n_features_in_int: 在fit期间看到的资产数量。
feature_names_in_ndarray of shape (n_features_in_,): 在fit期间看到的资产名称。只有当X具有所有为字符串的资产名称时才定义。

参考文献

[1]

“二阶差分在间隙统计中的应用”。 Yue, Wang & Wei (2009)

方法

`fit`(X[, y])	拟合层次等风险贡献估计器。
`fit_predict`(X[, y])	对 `X` 进行聚类并返回聚类标签。
`get_metadata_routing`()	获取此对象的元数据路由。
`get_params`([deep])	获取此估计器的参数。
`plot_dendrogram`([heatmap])	绘制树状图。
`set_params`(**params)	设置此估计器的参数。

fit(X, y=None)[来源]#

拟合层次等风险贡献估计器。

Parameters:

Xarray-like of shape (n_assets, n_assets): 资产的距离矩阵。
yIgnored: 未使用，按照约定为API一致性而存在。

Returns:

selfHierarchicalClustering: 拟合的估计器。

fit_predict(X, y=None, **kwargs)#

对X执行聚类并返回聚类标签。

Parameters:

Xarray-like of shape (n_samples, n_features): 输入数据。
yIgnored: 未使用，按照约定为API一致性而存在。
**kwargsdict: 要传递给 fit 的参数。

在版本 1.4 中添加。

Returns:

labelsndarray of shape (n_samples,), dtype=np.int64: 集群标签。

get_metadata_routing()#

获取这个对象的元数据路由。

请查看用户指南了解路由机制是如何工作的。

Returns:

routingMetadataRequest: 一个 MetadataRequest 封装路由信息。

get_params(deep=True)#

获取此估计器的参数。

Parameters:

deepbool, default=True: 如果为真，将返回此估计器及其包含的子对象的参数，这些子对象也是估计器。

Returns:

paramsdict: 参数名称映射到它们的值。

plot_dendrogram(heatmap=True)[来源]#

绘制树状图。

蓝色线条表示由单一资产组成的不同集群。其余颜色表示由多个资产组成的集群。

当 heatmap 设置为 True 时，重新排序的距离矩阵的热图显示在树状图下方，簇用黄色方框标出。

图中使用的聚类数与n_clusters_属性相同（如果存在），否则使用默认数量，相应于距离超过最大聚类距离的70%的聚类数。

Parameters:

heatmapbool, default=True: 如果将其设置为 True，则返回带有用黄色标出聚类的距离热图。

Returns:

figFigure: 树状图。

set_params(**params)#

设置该估计器的参数。

该方法适用于简单估计器以及嵌套对象（如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

Parameters:

**paramsdict: 估计器参数。

Returns:

selfestimator instance: 估计器实例。

skfolio.cluster.层次聚类#

`skfolio.cluster`.层次聚类#