python 的凝聚聚类算法有多精确？
How precise is python's agglomerative clustering algorithm?
如果这样的问题不适合这个平台，我深表歉意，但我在任何地方都找不到关于这个的任何信息。我正在使用 sklearn 对某些点进行聚类分析；这是我代码的相关部分：
clustering = AgglomerativeClustering(n_clusters=None, affinity='euclidean',
distance_threshold=d, linkage='single').fit(i)
number = clustering.n_clusters_
我想知道我可以定义的精度 'd' 在这种情况下，它是距离阈值，超过该阈值将不会合并聚类。例如，如果我设置 d = 0.000002，它会使用这个值还是会四舍五入为零？基本可以用多少位小数。
提前致谢
Scikit-learn 的 AgglomerativeClustering class 将 distance_threshold 值存储为 float 类型，这在大多数 Python 系统上意味着双精度，即64 位。您输入的十进制数会在后台转换为以 2 为底的指数数，并在必要时进行相应舍入以适应 64 位存储槽。符号保留 1 位，指数保留 11 位，有效数字保留 52 位。
请注意，当您有一个数字，如 0.000002，以许多零开始并且只有一位有效数字时，确定最小可能值的因素是指数的位数。所以问题是，用 11 位存储的指数可以表示多小的数？
让我们看看：
2 ** -(2 ** 11)
输出：0.0
2 ** -(2 ** 10)
输出：5.562684646268003e-309
因此，如果您将 d 值作为十进制数输入，而不使用指数表示法，则必须至少输入 309 个零才能生效。因此，该值实际上永远不会四舍五入为零，但会有一个小的舍入误差，除非你的十进制数恰好有一个简单的 base-2 表示。
如果这样的问题不适合这个平台，我深表歉意，但我在任何地方都找不到关于这个的任何信息。我正在使用 sklearn 对某些点进行聚类分析；这是我代码的相关部分：
clustering = AgglomerativeClustering(n_clusters=None, affinity='euclidean',
distance_threshold=d, linkage='single').fit(i)
number = clustering.n_clusters_
我想知道我可以定义的精度 'd' 在这种情况下，它是距离阈值，超过该阈值将不会合并聚类。例如，如果我设置 d = 0.000002，它会使用这个值还是会四舍五入为零？基本可以用多少位小数。
提前致谢
Scikit-learn 的 AgglomerativeClustering class 将 distance_threshold 值存储为 float 类型，这在大多数 Python 系统上意味着双精度，即64 位。您输入的十进制数会在后台转换为以 2 为底的指数数，并在必要时进行相应舍入以适应 64 位存储槽。符号保留 1 位，指数保留 11 位，有效数字保留 52 位。
请注意，当您有一个数字，如 0.000002，以许多零开始并且只有一位有效数字时，确定最小可能值的因素是指数的位数。所以问题是，用 11 位存储的指数可以表示多小的数？
让我们看看：
2 ** -(2 ** 11)
输出：0.0
2 ** -(2 ** 10)
输出：5.562684646268003e-309
因此，如果您将 d 值作为十进制数输入，而不使用指数表示法，则必须至少输入 309 个零才能生效。因此，该值实际上永远不会四舍五入为零，但会有一个小的舍入误差，除非你的十进制数恰好有一个简单的 base-2 表示。