agglomerativeclustering核心三步：指定n_clusters（必填）、选择linkage与affinity合法组合（如ward仅配euclidean）、用fit_predict获取标签；它不生成树状图，可视化需借助scipy的pdist+linkage+dendrogram。

scikit-learn里用AgglomerativeClustering做层次聚类，核心就三步

直接上手：用 AgglomerativeClustering 类就能完成凝聚式层次聚类，不需要手动维护树结构或计算距离矩阵——它内部自动处理合并逻辑。关键在于你得提前指定簇数量（n_clusters），因为 scikit-learn 的实现是“截断式”的：只返回最终的扁平划分，不提供完整树状图（dendrogram）。

• 必须传 n_clusters，否则会报错 ValueError: n_clusters must be specified
• 默认度量是欧氏距离（affinity='euclidean'），但若改用 'precomputed'，就得自己传入成对距离矩阵，且矩阵必须是对称的、形状为 (n_samples, n_samples)
• linkage 选 'ward' 时，affinity 只能是 'euclidean'，其他 linkage（如 'complete'、'average'）才支持自定义 affinity

怎么可视化聚类结果并验证合理性？

scikit-learn 不内置 dendrogram 绘制，得靠 scipy.cluster.hierarchy 配合。如果你需要看合并过程或选 n_clusters，就得额外走一遍 scipy 流程：

Li Python Sec Check

Python 安全规范检查工具：基于 CloudBase 规范、腾讯安全指南，LLM 智能分析（默认禁用，优先本地执行）

下载

• 先用 scipy.spatial.distance.pdist(X, metric='euclidean') 计算压缩距离向量
• 再用 scipy.cluster.hierarchy.linkage(distances, method='ward') 构建连接矩阵
• 最后用 scipy.cluster.hierarchy.dendrogram(Z) 画图；注意 Z 是 linkage 输出，不是 AgglomerativeClustering 的输出
• 如果用 AgglomerativeClustering 得到标签后直接画散点图，只能看到最终分组，看不出“为什么是这个数”

常见报错和参数踩坑点

实际跑的时候容易卡在几个地方：

• ValueError: Negative values in data passed to 'ward' linkage：说明数据含负值，而 ward 要求输入必须是非负且满足欧氏距离平方可加性，建议标准化或换用 linkage='average'
• MemoryError：当样本量 > 10⁴ 且用 affinity='precomputed' 时，距离矩阵占内存 O(n²)，别硬刚，改用近似方法或降维预处理
• AgglomerativeClustering 的 fit_predict() 返回的是整数标签数组，不是概率或置信度，没法直接评估每个点的归属强度
• 类别不平衡时，linkage='single' 容易产生链式效应（chaining），导致细长簇，实践中慎用

和KMeans比，什么时候该选AgglomerativeClustering？

它不假设球形簇，适合发现嵌套结构或非凸形状，但代价明显：

• 时间复杂度至少 O(n³)，样本超 2000 就明显变慢；KMeans 是 O(n·iter·k)，快得多
• 不能增量更新：新样本来了得全量重算，KMeans 至少还能 warm start
• 对异常值更敏感——尤其 ward 和 single，建议先做离群点过滤（比如用 IsolationForest 或 IQR）
• 如果业务明确要固定簇数（比如“分成5个客户群”），KMeans 更稳；如果想探索数据内在粒度（比如“哪些样本天然成组？”），才值得上层次方法

实际用的时候，多数人只想要一个合理分组，那就老老实实用 AgglomerativeClustering(n_clusters=5, linkage='average')，别纠结树形细节；真需要 dendrogram，就切到 scipy 去算，别指望 sklearn 替你画。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！