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)[源码]#

Agglomerative Clustering（层次聚类）。

使用连接距离，递归地合并样本数据的集群对。

在 User Guide 中阅读更多内容。

参数:

n_clustersint 或 None，默认值=2

要寻找的集群数量。如果 distance_threshold 不是 None，则该参数必须为 None。

metricstr or callable, default=”euclidean”

用于计算连接的度量（Metric）。可以是 “euclidean”, “l1”, “l2”, “manhattan”, “cosine”, 或 “precomputed”。如果连接（linkage）是 “ward”，则仅接受 “euclidean” 和 “l2”。如果是 “precomputed”，则 fit 方法需要输入距离矩阵。如果 connectivity 为 None，linkage 为 “single”，且 affinity 不是 “precomputed”，则可以指定任何有效的成对距离度量。

有关使用不同度量的凝聚聚类示例，请参见使用不同度量的凝聚聚类。

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。

connectivity类数组、稀疏矩阵或可调用对象，默认值=None

连通性矩阵。遵循给定的数据结构，为每个样本定义相邻样本。这本身可以是一个连通性矩阵，也可以是一个将数据转换为连通性矩阵的可调用对象，例如派生自 kneighbors_graph。默认值为 None，即层次聚类算法是无结构的。

有关使用 kneighbors_graph 的连通性矩阵示例，请参见有结构和无结构的层次聚类。

compute_full_tree‘auto’ 或 bool，默认值=’auto’

在 n_clusters 处提前停止树的构建。如果集群数量相对于样本数量不算小时，这对于减少计算时间非常有用。此选项仅在指定连通性矩阵时有用。此外请注意，当更改集群数量并使用缓存时，计算完整的树可能更有利。如果 distance_threshold 不为 None，则必须为 True。默认情况下，compute_full_tree 为 “auto”，当 distance_threshold 不为 None 或 n_clusters 小于 100 与 0.02 * n_samples 两者中的最大值时，它等效于 True。否则，“auto” 等效于 False。

linkage{‘ward’, ‘complete’, ‘average’, ‘single’}，默认值=’ward’

使用哪种连接标准。连接标准决定了观测值集之间使用哪种距离。算法将合并使该标准最小化的集群对。

‘ward’ 最小化被合并集群的方差。
‘average’ 使用两个集合中每个观测值之间距离的平均值。
‘complete’ 或 ‘maximum’ 连接使用两个集合中所有观测值之间的最大距离。
‘single’ 使用两个集合中所有观测值之间的最小距离。

版本 0.20 中新增：添加了 ‘single’ 选项

有关比较不同 linkage 标准的示例，请参见在玩具数据集上比较不同的层次连接方法。

distance_thresholdfloat，默认值=None

连接距离阈值，超过该阈值的集群将不会被合并。如果不是 None，则 n_clusters 必须为 None 且 compute_full_tree 必须为 True。

0.21 版本新增。

compute_distancesbool，默认值=False

即使不使用 distance_threshold，也计算集群之间的距离。这可以用于树状图可视化，但会增加计算和内存开销。

0.24 版本新增。

有关树状图可视化的示例，请参见绘制层次聚类树状图。

属性:

n_clusters_int: 算法发现的集群数量。如果 distance_threshold=None，它将等于给定的 n_clusters。
labels_形状为 (n_samples) 的 ndarray: 每个点的聚类标签。
n_leaves_int: 层次树中的叶子数量。
n_connected_components_int: 图中估计的连通分量数量。

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_形状为 (n_samples-1, 2) 的类数组: 每个非叶子节点的子节点。小于 n_samples 的值对应于作为原始样本的树叶节点。大于或等于 n_samples 的节点 i 是一个非叶子节点，并具有子节点 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_形状为 (n_nodes-1,) 的类数组: children_ 中对应位置节点之间的距离。仅在使用了 distance_threshold 或 compute_distances 设置为 True 时计算。

另请参阅

FeatureAgglomeration: 针对特征而非样本进行的凝聚聚类。
ward_tree: 采用 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，请参见在玩具数据集上比较不同的聚类算法。

fit(X, y=None)[源码]#

根据特征或距离矩阵拟合层次聚类。

参数:

X类数组，形状为 (n_samples, n_features) 或 (n_samples, n_samples): 要聚类的训练实例，或者如果 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: 返回拟合后的实例。

fit_predict(X, y=None)[源码]#

拟合并返回每个样本的聚类分配结果。

除了拟合外，该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，或者如果 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: