AgglomerativeClustering核心三步：指定n_clusters（必填）、选择linkage与affinity合法组合（如ward仅配euclidean）、用fit_predict获取标签；它不生成树状图，可视化需借助scipy的pdist+linkage+dendrogram。
scikit-learn里用AgglomerativeClustering做层次聚类，核心就三步
直接上手：用 AgglomerativeClustering 类就能完成凝聚式层次聚类，不需要手动维护树结构或计算距离矩阵——它内部自动处理合并逻辑。关键在于你得提前指定簇数量（n_clusters），因为 scikit-learn 的实现是“截断式”的：只返回最终的扁平划分，不提供完整树状图（dendrogram）。
- 必须传
n_clusters，否则会报错ValueError: n_clusters must be specified - 默认度量是欧氏距离（
affinity='euclidean'），但若改用'precomputed'，就得自己传入成对距离矩阵，且矩阵必须是对称的、形状为(n_samples, n_samples) -
linkage选'ward'时，affinity只能是'euclidean'，其他 linkage（如'complete'、'average'）才支持自定义 affinity
怎么可视化聚类结果并验证合理性？
scikit-learn 不内置 dendrogram 绘制，得靠 scipy.cluster.hierarchy 配合。如果你需要看合并过程或选 n_clusters，就得额外走一遍 scipy 流程：
- 先用
scipy.spatial.distance.pdist(X, metric='euclidean')计算压缩距离向量 - 再用
scipy.cluster.hierarchy.linkage(distances, method='ward')构建连接矩阵 - 最后用
scipy.cluster.hierarchy.dendrogram(Z)画图；注意Z是 linkage 输出，不是AgglomerativeClustering的输出 - 如果用
AgglomerativeClustering得到标签后直接画散点图，只能看到最终分组，看不出“为什么是这个数”
常见报错和参数踩坑点
实际跑的时候容易卡在几个地方：
-
ValueError: Negative values in data passed to 'ward' linkage：说明数据含负值，而ward要求输入必须是非负且满足欧氏距离平方可加性，建议标准化或换用linkage='average' -
MemoryError：当样本量 > 10⁴ 且用affinity='precomputed'时，距离矩阵占内存 O(n²)，别硬刚，改用近似方法或降维预处理 -
AgglomerativeClustering的fit_predict()返回的是整数标签数组，不是概率或置信度，没法直接评估每个点的归属强度 - 类别不平衡时，
linkage='single'容易产生链式效应（chaining），导致细长簇，实践中慎用
和KMeans比，什么时候该选AgglomerativeClustering？
它不假设球形簇，适合发现嵌套结构或非凸形状，但代价明显：
立即学习“Python免费学习笔记（深入）”；
- 时间复杂度至少 O(n³)，样本超 2000 就明显变慢；KMeans 是 O(n·iter·k)，快得多
- 不能增量更新：新样本来了得全量重算，KMeans 至少还能 warm start
- 对异常值更敏感——尤其
ward和single，建议先做离群点过滤（比如用IsolationForest或 IQR） - 如果业务明确要固定簇数（比如“分成5个客户群”），KMeans 更稳；如果想探索数据内在粒度（比如“哪些样本天然成组？”），才值得上层次方法
AgglomerativeClustering(n_clusters=5, linkage='average')，别纠结树形细节；真需要 dendrogram，就切到 scipy 去算，别指望 sklearn 替你画。 
