python亲和度_python中的亲和传播

我在使用sklearn的AffinityPropagation时看到了一些奇怪的东西。我有一个4 x 4的数字-这基本上是亲和力得分。sim[i，j]的亲和力得分为[i，j]。现在，当我输入affinityPropaction函数时，我总共得到4个标签。在

下面是一个矩阵较小的类似示例：In [215]: x = np.array([[1, 0.2, 0.4, 0], [0.2, 1, 0.8, 0.3], [0.4, 0.8, 1, 0.7], [0, 0.3, 0.7, 1]]

.....: )

In [216]: x

Out[216]:

array([[ 1. , 0.2, 0.4, 0. ],

[ 0.2, 1. , 0.8, 0.3],

[ 0.4, 0.8, 1. , 0.7],

[ 0. , 0.3, 0.7, 1. ]])

In [217]: clusterer = cluster.AffinityPropagation(affinity='precomputed')

In [218]: f = clusterer.fit(x)

In [219]: f.labels_

Out[219]: array([0, 1, 1, 1])

这表明(根据Kevin的说法)，第一个样本(第0个索引行)本身就是一个簇(cluster#0)，其余样本则在另一个簇(cluster#1)中。但是，我仍然不理解这个输出。这是什么样的样品？成员是什么？我想让一组对(I，j)分配给一个集群，另一组对分配给另一个集群，依此类推。在

它看起来像4个样本x 4个特征矩阵，我不想要。这就是问题所在吗？如果是这样的话，如何将其转换为一个漂亮的4样本x 4样本亲和力矩阵？在

谢谢！在