Python中如何使用AgglomerativeClustering层次聚类-Python教程-PHP中文网

agglomerativeclustering默认只输出最终簇标签，不保存距离矩阵或合并顺序；需树状图或动态截断时应改用scipy.cluster.hierarchy.linkage。

python中如何使用agglomerativeclustering层次聚类

AgglomerativeClustering 是 scikit-learn 中最常用的自底向上层次聚类实现，它不依赖距离矩阵预计算（默认用内存友好的树状结构），但必须提前指定簇数量 n_clusters——这是你最容易卡住的第一步。

AgglomerativeClustering 默认不保存完整的层次结构信息。它只输出每个样本的最终簇标签（labels_），不像 scipy.cluster.hierarchy.linkage 那样返回可用于画树状图的链接矩阵。

如果你需要树状图、动态截断簇数、或分析合并路径，别用 AgglomerativeClustering，改用 scipy.cluster.hierarchy.linkage + dendrogram
如果只需要固定簇数的硬划分（比如“把用户分成 5 类”），AgglomerativeClustering 更轻量、支持 fit_predict 流水线、且能用 memory 参数缓存中间结果
想绕过限制？可以手动传入预计算的 affinity='precomputed' 和距离矩阵，再设 compute_full_tree=True，但它仍不会暴露链接矩阵，只是内部多算一步

metric 控制样本间距离，linkage 控制簇间距离，二者不匹配会导致反直觉结果。常见错误是：对高维稀疏数据用 euclidean + complete，结果所有点被拉成一条链。

Shadows Python Sensei

Python 最佳实践助手——代码规范、设计模式、性能优化、测试与类型注解。适用于编写或审查 Python 代码。

下载

linkage='ward' 只接受 metric='euclidean'，且要求输入已中心化（否则会报 ValueError: The ward clustering algorithm requires the data to be centered）
文本或二值特征常用 metric='cosine' + linkage='average'；single 易受噪声拖拽，complete 对离群点敏感
用 metric='precomputed' 时，务必确认传入的是**对称、非负、对角为 0** 的方阵，否则 fit() 可能静默失败或聚出全零标签

它本身不支持 mini-batch，时间复杂度是 O(n³)，n 超过 10⁴ 就明显变慢。没有银弹，但有几条实操路径：

先用 KMeans 或 MiniBatchKMeans 做粗粒度聚类（比如分 50 组），再对每组内部运行 AgglomerativeClustering —— 这能降维+减样本量
用 sklearn.neighbors.NearestNeighbors 提前剪枝：只计算每个点最近 k 个邻居的距离，构造稀疏距离矩阵，再喂给 AgglomerativeClustering(affinity='precomputed')
绝对不要在原始高维数据上直接跑；PCA 或 UMAP 降到 20–50 维后再聚，效果通常更好，且 linkage='ward' 才真正可用

真正麻烦的不是调参，而是验证：层次聚类没有像轮廓系数那样普适的评估指标，尤其当真实簇数未知时，n_clusters 的选择往往得靠业务解释性反推——比如“这个簇里 70% 的用户都在凌晨下单”，比“轮廓系数提升了 0.02”有用得多。