使用Scikit-learn包的AgglomerativeClustering

AgglomerativeClustering 是 Scikit-learn 中的凝聚层次聚类算法：开始时每个样本自成一类，然后不断合并最相似的簇，直到达到指定簇数或距离阈值。

1. 基本用法

from sklearn.cluster import AgglomerativeClustering

# n_clusters：最终簇数
model = AgglomerativeClustering(n_clusters=3, linkage='ward')
labels = model.fit_predict(X)

print(labels)

fit_predict(X) 返回每个样本的簇标签，也可以通过 model.labels_ 获取。

2. 常用参数

AgglomerativeClustering(
    n_clusters=2,
    linkage='ward',
    metric='euclidean',      # 旧版 sklearn 中叫 affinity
    distance_threshold=None,
    connectivity=None,
    compute_full_tree='auto',
    compute_distances=False
)

主要参数：

注意：
linkage='ward' 只能配合欧氏距离使用；如果使用其他距离，可选择 'complete'、'average' 或 'single'。

3. 完整示例

import matplotlib.pyplot as plt
from sklearn.cluster import AgglomerativeClustering
from sklearn.datasets import make_blobs
from sklearn.preprocessing import StandardScaler

# 生成模拟数据
X, y_true = make_blobs(
    n_samples=300,
    centers=4,
    cluster_std=0.8,
    random_state=42
)

# 层次聚类对距离敏感，通常先标准化
X_scaled = StandardScaler().fit_transform(X)

# 创建模型
model = AgglomerativeClustering(
    n_clusters=4,
    linkage='ward'
)

# 聚类
labels = model.fit_predict(X_scaled)

# 可视化
plt.figure(figsize=(8, 6))
plt.scatter(
    X_scaled[:, 0],
    X_scaled[:, 1],
    c=labels,
    cmap='viridis',
    s=40
)
plt.title('AgglomerativeClustering')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.show()

4. 使用距离阈值自动确定簇数

如果不确定簇数，可以设置 distance_threshold：

model = AgglomerativeClustering(
    n_clusters=None,
    distance_threshold=1.0,
    linkage='ward'
)

labels = model.fit_predict(X_scaled)

print("自动得到的簇数：", model.n_clusters_)

此时 n_clusters 必须为 None。distance_threshold 的取值与数据尺度有关，所以一般先标准化数据。

5. 评估聚类效果

如果有真实标签，可以用调整兰德指数等指标评估：

from sklearn.metrics import adjusted_rand_score

score = adjusted_rand_score(y_true, labels)
print("ARI:", score)

6. 注意事项

1. 建议标准化数据
   层次聚类基于距离，不同特征量纲差异大会影响结果。

2. 计算复杂度较高
   通常为 (O(n^2)) 或更高，不适合特别大的数据集。

3. ward 与欧氏距离绑定
   使用 linkage='ward' 时不要随便换其他距离度量。

4. 不能直接画树状图
   AgglomerativeClustering 主要用于得到簇标签。如果需要树状图，可以结合 scipy.cluster.hierarchy：

from scipy.cluster.hierarchy import dendrogram, linkage
import matplotlib.pyplot as plt

Z = linkage(X_scaled, method='ward')

plt.figure(figsize=(10, 6))
dendrogram(Z)
plt.show()

5. 版本差异
   新版 Scikit-learn 使用 metric，旧版使用 affinity。如果你使用的版本报错，可尝试：

AgglomerativeClustering(n_clusters=3, affinity='euclidean', linkage='ward')

总结：
AgglomerativeClustering 适合中小规模数据的层次聚类。典型流程是：标准化数据 → 选择 n_clusters 或 distance_threshold → 设置 linkage → fit_predict 得到标签。