Sklearn 机器学习 数据聚类 层次聚类的两个重要属性

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在CSDN上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

---

Sklearn 机器学习：数据聚类中层次聚类的两个重要属性详解

层次聚类（Hierarchical Clustering）是一种逐层构建树状聚类结构的无监督学习方法，常见于图像分析、市场细分、基因数据处理等场景。相比 KMeans 这类需要预设簇数量的方法，层次聚类能更自然地反映数据间的嵌套与层次关系。

本文将详解 Sklearn 中 Agglomerative Clustering（凝聚式层次聚类） 的两个核心控制属性：

• n_clusters
• distance_threshold

它们不可同时设定，但各有适用场景。

---

🔍 一、n_clusters：指定聚类个数

含义

n_clusters 表示我们希望最终将数据聚为多少个簇（cluster），是控制聚类粒度的核心参数。

from sklearn.cluster import AgglomerativeClusteringmodel = AgglomerativeClustering(n_clusters=3)

这段代码的含义是：算法从每个样本单独作为一个簇开始，每次合并两个最近的簇，直到只剩下 3 个簇为止。

📌 术语补充说明
此过程可理解为：在构建的层次聚类树中，从下往上数，保留到聚为 n_clusters 个簇的那一层，停止后续合并过程，从而实现“截断”树结构。

使用场景

• 已知聚类目标数量（如 3 类客户、4 个品类）
• 聚类结果需匹配已有标签或业务分组

---

🧩 二、distance_threshold：指定距离阈值

含义

distance_threshold 用于控制聚类停止的条件，定义了两个簇之间的最小“距离界限”。

model = AgglomerativeClustering(distance_threshold=5.0, n_clusters=None)

该参数表示：算法每次合并距离最近的两个簇，直到所有簇之间的最小距离超过该阈值，聚