sklearn聚类算法之HAC

基本思想
层次凝聚聚类算法(Hierarchical Agglomerative Clustering)是一种效果很好的聚类算法，简称HAC，它的主要思想是先把每个样本点当做一个聚类，然后不断地将其中最近的两个聚类进行合并，直到满足某个迭代终止条件，比如当前聚类数是初始聚类数的20%，80%的聚类数都被合并了。总结来说，HAC的具体实现步骤如下所示。
    (1)将训练样本集中的每个数据点都当做一个聚类；
    (2)计算每两个聚类之间的距离，将距离最近的或最相似的两个聚类进行合并；
    (3)重复上述步骤，直到满足迭代终止条件
在这个算法中，相似度的度量方式有如下四种方式：
    (1)Single-link：两个不同聚类中离得最近的两个点之间的距离，即MIN；
    (2)Complete-link：两个不同聚类中离得最远的两个点之间的距离，即MAX；
    (3)Average-link：两个不同聚类中所有点对距离的平均值，即AVERAGE；
    (4)Ward-link：两个不同聚类聚在一起后离差平方和的增量
API学习

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

参数	类型	解释
n_clusters	int or None, default=2	表示聚类数，和distance_threshold中必须有一个是None
affinity	str or callable, default=‘euclidean’	相似度度量函数，可以是’euclidean’/‘manhattan’/'cosine’等
memory	str or object with the joblib	缓存计算过程的文件夹路径
connectivity	array-like or callable, default=None	可用来定义数据的给定结构，即对每个样本给定邻居样本
compute_full_tree	‘auto’ or bool, default=‘auto’	如果为True，当聚类数较多时可用来减少计算时间
linkage	{‘ward’, ‘complete’, ‘average’, ‘single’}, default=‘ward’	表示不同的度量方法，默认为’ward’方法
distance_threshold	float, default=None	如果不为None，表示簇不会聚合的距离阈值，此时n_clusters必须不为None，compute_full_tree必须为None
compute_distances	bool, default=False	如果为True，即使不使用distance_threshold，也计算簇间距离，可用来可视化树状图

属性	类型	解释
n_clusters_	int	聚类数
labels_	ndarray of shape(n_samples)	分类结果
n_leaves_	int	层次树的树叶数量
n_connected_components_	int	在图中有联系的部分的数量
n_features_in_	int	拟合期间的特征个数
feature_names_in	ndarray of shape(n_features_in_,)	拟合期间的特征名称
children_	array-like of shape (n_samples-1, 2)	每一个非叶子节点的孩子
distances_	array-like of shape (n_nodes-1,)	children_中各节点之间的距离

方法	说明
fit(X[, y])	Fit the hierarchical clustering from features, or distance matrix.
fit_predict(X[, y])	Fit and return the result of each sample’s clustering assignment.
get_params([deep])	Get parameters for this estimator.
set_params(**params)	Set the parameters of this estimator.

代码示例

>>> from sklearn.cluster import AgglomerativeClustering
>>> import numpy as np
>>> X = np.array([[1, 2], [