树状图

树状图[{e（电子）1,e（电子）2,…}]

根据元素的层次聚类构建树状图e（电子）1,e（电子）2,….

树状图[{e（电子）1五1,e（电子）2五2,…}]

代表e（电子）我具有五我在构建的树状图中。

树状图[{e（电子）1,e（电子）2,…}{五1,五2,…}]

代表e（电子）我具有五我在构建的树状图中。

树状图[标签1e（电子）1,标签2e（电子）2,…]

代表e（电子）我使用标签标签我在构建的树状图中。

树状图[数据,方向]

根据方向.

树状图[树]

构建加权树对应的树状图树.

详细信息和选项

示例

全部打开全部关闭

基本示例  （4）

从数字列表中获取树状图：

从加权树中获取树状图：

从城市列表中获取树状图，并将标签放在左侧：

从布尔项列表中获取群集层次结构：

范围  (7)

从颜色列表中获取树状图，并将其显示在左侧：

将结果与树状图应用于的结果聚类树以下为：

从异构数据集中获取树状图：

将其与颜色的树状图进行比较：

生成随机实数序列：

获得带有四舍五入实数给出的标记的树状图：

根据协会以下为：

将其与树状图进行比较值以下为：

将其与树状图进行比较钥匙以下为：

从数字列表生成树状图：

显示用于比较子簇之间距离的轴：

从向量列表生成树状图：

使用垂直标签显示结果：

使用阵列图标记向量：

从图像列表中获取树状图：

选项  (6)

纵横比  (3)

默认情况下，打印的高宽比自动确定：

使高度与宽度相同纵横比1以下为：

指定高宽比：

集群异类函数  (1)

生成随机颜色列表：

使用“质心”联动装置：

使用“单个”联动装置：

使用不同的“群集异类函数”以下为：

距离函数  (1)

生成随机向量列表：

使用自动选择的距离函数并绘制轴：

使用获取树状图欧几里得距离并比较轴：

使用不同的距离函数以下为：

功能提取程序  (1)

从图片列表中获取树状图：

使用不同的功能提取程序要提取特征：

使用身份 功能提取程序保持数据不变：

应用  (1)

生成随机颜色列表，并使用上的距离计算其树状图年轴：

计算聚类树对于相同的数据，通过合并接近0.65的簇：

计算树状图如上图所示：

构造一个操纵要可视化距离阈值增加时簇如何合并，请执行以下操作：

Wolfram Research（2016），树状图，Wolfram语言函数，https://reference.wolfram.com/language/ref/Dendrogram.html（2017年更新）。

文本

Wolfram Research（2016），树状图，Wolfram语言函数，https://reference.wolfram.com/language/ref/Dendrogram.html（2017年更新）。

CMS公司

沃尔夫拉姆语言。2016年，“树状图”，Wolfram语言与系统文档中心。Wolfram研究。上次修改日期：2017年。https://reference.wolfram.com/language/ref/Dendrogram.html。

亚太地区

沃尔夫拉姆语言。(2016). 树状图。Wolfram语言与系统文档中心。检索自https://reference.wolfram.com/language/ref/Dendrogram.html

BibTeX公司

@misc{reference.wolfram_2024_dendrogram，author=“wolfram Research”，title=“{dendrogram}”，year=“2017”，howpublished=“\url{https://reference.wolfram.com/language/ref/dendrogram.html}”]}

BibLaTeX公司

@在线{reference.wolfram_2024_dendrogram，organization={wolfram Research}，title={dendrogram}，年份={2017}，url={https://reference.jolfram.com/language/ref/dendrogram.html}，注意=[访问时间：2024年6月17日]}