【发布时间】：2017-12-03 17:37:02
【问题描述】：
我有一些数据以及这些数据点的成对距离矩阵。我想使用凝聚聚类对它们进行聚类。我在sklearn中读到，我们可以将“预先计算”作为亲和力，我希望它是距离矩阵。但我找不到任何使用预先计算的亲和力和自定义距离矩阵的示例。 任何帮助将不胜感激。
【问题讨论】：
标签： scikit-learn hierarchical-clustering
【发布时间】：2017-12-03 17:37:02
【问题描述】：
让我们将您的距离矩阵称为D。
agg = AgglomerativeClustering(n_clusters=5, affinity='precomputed', linkage = 'average')
agg.fit_predict(D) # Returns class labels.
如果您对生成整个层次结构和生成树状图感兴趣，scikit-learn 的 API 会包装 scipy hierarchical clustering code。直接使用scipy 代码即可。
【讨论】：
-
非常感谢。它有帮助。
-
如果这回答了您的问题，我鼓励您使用旁边的复选框将其标记为正确答案。这对你、我和以后遇到同样问题的人都有好处。否则，有什么可以澄清的？
-
我在使用此代码时遇到了错误：预先计算是作为亲和力提供的。 Ward 只能使用欧几里得距离。
-
documentation 明确表示这将中断：'如果链接是“ward”，则只接受“euclidean”。'