如何根据集群之间的距离阈值确定集群的数量，以便使用 sklearn 进行凝聚聚类？

Question

With sklearn.cluster.AgglomerativeClustering from sklearn 我需要提前指定结果簇的数量。我想做的是合并集群，直到达到集群之间的某个最大距离，然后停止集群过程。

因此，聚类的数量可能因数据结构而异。我也不关心生成的簇的数量和簇的大小，只关心簇的质心不超过一定距离。

我怎样才能做到这一点？

Answer 1

直接使用scipy代替sklearn。恕我直言，好多了。

层次聚类是一个三步过程：

1. 计算树状图
2. 可视化和分析
3. 提取分支

但这不符合 sklearn 以监督学习为导向的 API 偏好，它希望一切都实现 fit、predict API。 ..

SciPy 有一个功能适合你：

https://docs.scipy.org/doc/scipy/reference/generated/scipy.cluster.hierarchy.fcluster.html#scipy.cluster.hierarchy.fcluster

Answer 2

scikit-learn 的凝聚聚类中 distance_threshold 参数的这个拉取请求可能很有趣： https://github.com/scikit-learn/scikit-learn/pull/9069

看来要在0.22版本中合并了。

编辑：参见 以使用 scipy.

实现具有基于距离的停止标准的单链接聚类的示例