AgglomerativeClustering#

class sklearn.cluster.AgglomerativeClustering(n_clusters=2, *, metric='euclidean', memory=None, connectivity=None, compute_full_tree='auto', linkage='ward', distance_threshold=None, compute_distances=False)[source]#

Agglomerative Clustering（层次聚类）。

递归地合并样本数据的成对聚类；使用连接距离。

在 User Guide 中阅读更多内容。

参数:

n_clustersint or None, default=2

要找到的聚类数量。如果 distance_threshold 不为 None，则必须为 None。

metricstr or callable, default=”euclidean”

用于计算连接的度量。可以是 “euclidean”（欧几里得），“l1”，“l2”，“manhattan”（曼哈顿），“cosine”（余弦）或 “precomputed”（预计算）。如果 linkage 为 “ward”，则只接受 “euclidean”。如果为 “precomputed”，则 fit 方法需要距离矩阵作为输入。如果 connectivity 为 None，linkage 为 “single” 且 affinity 不是 “precomputed”，则可以分配任何有效的成对距离度量。

有关不同度量下凝聚聚类的示例，请参阅 Agglomerative clustering with different metrics。

1.2 版本新增。

memorystr 或具有 joblib.Memory 接口的对象, 默认为 None

用于缓存树计算的输出。默认情况下，不进行缓存。如果给定字符串，则为缓存目录的路径。

connectivityarray-like, sparse matrix, or callable, default=None

连接矩阵。根据给定的数据结构定义每个样本的邻近样本。这本身可以是一个连接矩阵，也可以是一个将数据转换为连接矩阵的可调用对象，例如从 kneighbors_graph 派生而来。默认为 None，即层次聚类算法是非结构化的。

有关使用 kneighbors_graph 的连接矩阵示例，请参阅 Hierarchical clustering with and without structure。

compute_full_tree‘auto’ or bool, default=’auto’

在达到 n_clusters 时提前停止树的构建。如果聚类数量相对于样本数量较小，这对于减少计算时间很有用。此选项仅在指定连接矩阵时有用。另请注意，当改变聚类数量并使用缓存时，计算完整的树可能更有优势。如果 distance_threshold 不为 None，则必须为 True。默认情况下，compute_full_tree 为 “auto”，这等效于 True 当 distance_threshold 不为 None 或者 n_clusters 小于 100 和 0.02 * n_samples 中的较大值时。否则，“auto” 等效于 False。

linkage{‘ward’, ‘complete’, ‘average’, ‘single’}, default=’ward’

要使用的连接标准。连接标准决定了在观察集之间使用的距离。算法将合并使此标准最小化的聚类对。

‘ward’ 最小化合并的聚类的方差。
‘average’ 使用两个集中每个观察值之间距离的平均值。
‘complete’ 或 ‘maximum’ 连接使用两个集中所有观察值之间的最大距离。
‘single’ 使用两个集中所有观察值之间的最小距离。

版本 0.20 中新增: 新增了 ‘single’ 选项

有关比较不同 linkage 标准的示例，请参阅 Comparing different hierarchical linkage methods on toy datasets。

distance_thresholdfloat, default=None

聚类将不会合并的连接距离阈值或高于此阈值的聚类。如果不为 None，则 n_clusters 必须为 None，且 compute_full_tree 必须为 True。

0.21 版本新增。

compute_distancesbool, default=False

即使未使用 distance_threshold，也会计算聚类之间的距离。这可用于树状图可视化，但会引入计算和内存开销。

0.24 版本新增。

有关树状图可视化的示例，请参阅 Plot Hierarchical Clustering Dendrogram。

属性:

n_clusters_int: 算法找到的聚类数量。如果 distance_threshold=None，则等于给定的 n_clusters。
labels_ndarray of shape (n_samples): 每个点的聚类标签。
n_leaves_int: 层次树中的叶子数量。
n_connected_components_int: 图中连通分量的估计数量。

版本 0.21 中新增: 添加了 n_connected_components_ 以替换 n_components_。
n_features_in_int: 在拟合期间看到的特征数。

0.24 版本新增。
feature_names_in_shape 为 (n_features_in_,) 的 ndarray: 在 fit 期间看到的特征名称。仅当 X 具有全部为字符串的特征名称时才定义。

1.0 版本新增。
children_array-like of shape (n_samples-1, 2): 每个非叶节点的子节点。小于 n_samples 的值对应于作为原始样本的树的叶子。大于或等于 n_samples 的节点 i 是一个非叶节点，其子节点为 children_[i - n_samples]。或者在第 i 次迭代中，children[i][0] 和 children[i][1] 合并形成节点 n_samples + i。
distances_array-like of shape (n_nodes-1,): 在 children_ 中相应位置的节点之间的距离。仅在使用了 distance_threshold 或将 compute_distances 设置为 True 时计算。

另请参阅

FeatureAgglomeration: 凝聚聚类，但针对特征而非样本。
ward_tree: 使用 ward 连接的层次聚类。

示例

>>> from sklearn.cluster import AgglomerativeClustering
>>> import numpy as np
>>> X = np.array([[1, 2], [1, 4], [1, 0],
...               [4, 2], [4, 4], [4, 0]])
>>> clustering = AgglomerativeClustering().fit(X)
>>> clustering
AgglomerativeClustering()
>>> clustering.labels_
array([1, 1, 1, 0, 0, 0])

有关凝聚聚类与其他聚类算法的比较，请参阅 Comparing different clustering algorithms on toy datasets

fit(X, y=None)[source]#

从特征或距离矩阵拟合层次聚类。

参数:

Xarray-like, shape (n_samples, n_features) or (n_samples, n_samples): 要聚类的训练实例，如果 metric='precomputed'，则为实例之间的距离。
y被忽略: Not used, present here for API consistency by convention.

返回:

selfobject: 返回已拟合的实例。

fit_predict(X, y=None)[source]#

拟合并返回每个样本的聚类分配结果。

除了拟合之外，此方法还返回训练集中每个样本的聚类分配结果。

参数:

X形状为 (n_samples, n_features) 或 (n_samples, n_samples) 的类数组对象: 要聚类的训练实例，如果 affinity='precomputed'，则为实例之间的距离。
y被忽略: Not used, present here for API consistency by convention.

返回: