Améliorations / Corrections

Vous avez des améliorations (ou des corrections) à proposer pour ce document : je vous remerçie par avance de m'en faire part, cela m'aide à améliorer le site.

Emplacement :

Description des améliorations :

Vous êtes un professionnel et vous avez besoin d'une formation ? Machine Learning
avec Scikit-Learn Voir le programme détaillé

Contenu du module « scipy.cluster.hierarchy »

Liste des classes du module scipy.cluster.hierarchy

Nom de la classe	Description
ClusterNode
deque	A list-like sequence optimized for data accesses near its endpoints. _{[extrait de deque.__doc__]}
DisjointSet	Disjoint set data structure for incremental connectivity queries. _{[extrait de DisjointSet.__doc__]}

Liste des exceptions du module scipy.cluster.hierarchy

Nom de la classe d'exception	Description
ClusterWarning

Liste des fonctions du module scipy.cluster.hierarchy

Signature de la fonction	Description
array_namespace(*arrays: Any) -> module	Get the array API compatible namespace for the arrays xs. _{[extrait de array_namespace.__doc__]}
average(y)
centroid(y)
complete(y)
cophenet(Z, Y=None)
correspond(Z, Y)
cut_tree(Z, n_clusters=None, height=None)
dendrogram(Z, p=30, truncate_mode=None, color_threshold=None, get_leaves=True, orientation='top', labels=None, count_sort=False, distance_sort=False, show_leaf_counts=True, no_plot=False, no_labels=False, leaf_font_size=None, leaf_rotation=None, leaf_label_func=None, show_contracted=False, link_color_func=None, ax=None, above_threshold_color='C0')
fcluster(Z, t, criterion='inconsistent', depth=2, R=None, monocrit=None)
fclusterdata(X, t, criterion='inconsistent', metric='euclidean', depth=2, method='single', R=None)
from_mlab_linkage(Z)
inconsistent(Z, d=2)
int_floor(arr, xp)
is_isomorphic(T1, T2)
is_monotonic(Z)
is_valid_im(R, warning=False, throw=False, name=None)	Return True if the inconsistency matrix passed is valid. _{[extrait de is_valid_im.__doc__]}
is_valid_linkage(Z, warning=False, throw=False, name=None)
leaders(Z, T)
leaves_list(Z)
linkage(y, method='single', metric='euclidean', optimal_ordering=False)
maxdists(Z)
maxinconsts(Z, R)
maxRstat(Z, R, i)
median(y)
num_obs_linkage(Z)
optimal_leaf_ordering(Z, y, metric='euclidean')
set_link_color_palette(palette)
single(y)
to_mlab_linkage(Z)
to_tree(Z, rd=False)
ward(y)
weighted(y)
xp_copy(x: Any, *, xp: module \| None = None) -> Any

Liste des alias du module scipy.cluster.hierarchy

Nom de l'alias	Définition ciblée
is_jax	is_jax_namespace

Vous êtes un professionnel et vous avez besoin d'une formation ? Mise en oeuvre d'IHM
avec Qt et PySide6 Voir le programme détaillé

Le tutoriel Python complet (Text+Vidéos)

Le tutoriel Python en vidéos

Evaluez vos compétences en Python