SpectralClustering聚不出合理簇，主要因n_clusters未显式指定、输入未归一化导致RBF核失效，或误用距离矩阵而未转为对称非负相似度矩阵；其本质依赖高质量相似图，而非直接处理原始特征。
为什么 SpectralClustering 有时聚不出合理簇？
直接调 SpectralClustering 却得到全一样标签、或簇数明显不对，大概率是没设对 n_clusters 或输入数据没归一化。它不接受原始特征矩阵“照单全收”——本质是基于相似度图做特征分解，所以输入必须是能反映样本间相似性的结构。如果你传入的是 raw feature matrix（比如 shape 为 (1000, 5) 的 X），scikit-learn 会默认用 RBF kernel 自建相似矩阵，但其默认的 gamma=1.0 在特征量纲/尺度差异大时极易失效。
- 务必检查输入：若你已有成对相似度（如余弦相似度矩阵），需设
affinity='precomputed'，且确保该矩阵是对称、非负、对角为 0（或可为正） - 若用默认
affinity='rbf'，强烈建议先对X做标准化：StandardScaler().fit_transform(X) -
n_clusters必须显式指定，它不会像 DBSCAN 那样自动推断
affinity='precomputed' 下的常见报错和修复
最典型的是 ValueError: The precomputed affinity matrix must be symmetric，尤其当你用 sklearn.metrics.pairwise.cosine_similarity 得到上三角近似矩阵后直接传入时——它返回的是 dense 矩阵，但数值误差可能导致 A[i,j] != A[j,i]。
- 修复方法：强制对称化，
A = (A + A.T) / 2 - 还要检查是否有
nan或负值（某些自定义相似度函数可能产出负值），SpectralClustering要求 affinity 值 ≥ 0 - 若用距离矩阵（如欧氏距离），不能直接传入；得转成相似度，例如
np.exp(-D / D.std())或1 / (1 + D)，再对称化
如何选 n_components 和 n_neighbors（当用 nearest_neighbors 构图时）
当设 affinity='nearest_neighbors'，底层调用 NearestNeighbors 构 k-NN 图。n_components（不是 n_clusters！）控制拉普拉斯矩阵特征分解时保留的前 k 个特征向量，默认为 n_clusters，但若数据流形复杂，适当增大（如设为 n_clusters + 2）可能提升鲁棒性。
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
-
n_neighbors默认是 10，太小会导致图不连通（聚类结果分裂成孤立点），太大则模糊局部结构；经验法则是取sqrt(n_samples)并在 5–20 间试几个值 - 注意：改
n_neighbors不影响最终簇数，只影响相似图质量；真正决定簇数的仍是n_clusters - 如果发现聚类结果高度依赖
n_neighbors，说明数据本身缺乏清晰的流形结构，谱聚类未必是最优选择
与 KMeans 直接对比时要注意什么？
很多人拿 SpectralClustering 和 KMeans 在同一份数据上跑，发现轮廓系数反而更低——这不是算法错了，而是二者假设不同：KMeans 假设球形簇，SpectralClustering 假设样本可嵌入低维流形并被图割开。它擅长处理环形、月牙、嵌套等非凸结构，但在高维稀疏数据（如 TF-IDF 文本向量）上容易退化。
立即学习“Python免费学习笔记（深入）”；
- 别在高维稀疏矩阵上直接用默认 RBF；先降维（如用
TruncatedSVD到 50 维），再喂给SpectralClustering - 计算开销大：相似矩阵是 O(n²)，n > 5000 就得考虑近似方法（如 Nyström sampling）或换用
cluster.AffinityPropagation - 结果不稳定：因特征向量符号不定，每次运行标签编号可能翻转（但簇内样本一致），评估要用
adjusted_rand_score这类对标签置换鲁棒的指标
谱聚类不是黑盒替换 KMeans 的工具，它的价值在于你明确知道数据有隐式图结构——比如用户行为共现、图像像素邻接、基因共表达网络。一旦忘了这点，参数调得再细，也只是在拟合噪声。
