HDBSCAN需单独安装，命令为pip install hdbscan；min_cluster_size与min_samples物理意义不同，前者控制最小簇规模，后者影响密度估计平滑度；预测新数据须初始化时设prediction_data=True，并用approximate_predict()。
为什么直接用 hdbscan.HDBSCAN 会报错“module not found”
因为 hdbscan 不是 Python 标准库，也不是 scikit-learn 内置模块，必须单独安装。很多人误以为它和 KMeans 一样开箱即用，结果一跑就崩。
- 正确安装命令：
pip install hdbscan（注意不是pip install HDBSCAN，大小写和连字符都错不得） - Windows 上若编译失败，优先用
conda install -c conda-forge hdbscan，避免缺失 Microsoft Visual C++ Build Tools - 装完验证：
import hdbscan+hdbscan.__version__，版本建议 ≥1.0.0，老版本（如 0.8.x）不支持prediction_data=True等关键参数
min_cluster_size 和 min_samples 到底怎么设
这两个参数直接决定哪些点被当作噪声、哪些被合并成簇，但文档里没说清楚它们的物理意义——min_cluster_size 是“最终聚类里最少要多少个点”，而 min_samples 是“在构造簇树时，每个点至少需要多少邻居来定义局部密度”。二者不等价，也不能随便设成一样。
-
min_cluster_size太小（如设为 2）：大量碎簇、过拟合，尤其在有测量噪声的数据上；太大（如 >10% 总样本量）：可能只剩一个大簇或全判为噪声 -
min_samples影响平滑程度：值越大，密度估计越保守，边界点更易被归为噪声；默认是min_cluster_size，但如果你的数据稀疏（比如地理坐标点），可显式设小一点（如 3~5） - 实操建议：先用
min_cluster_size=5,min_samples=3跑通流程，再看clusterer.condensed_tree_.plot()的树状图，观察簇分裂位置是否合理
如何对新数据做预测（不是重新训练）
HDBSCAN 默认训练完就丢掉密度信息，无法像 sklearn 模型那样直接 predict()。必须在初始化时打开 prediction_data=True，否则后续调用 approximate_predict() 会报 AttributeError: 'HDBSCAN' object has no attribute '_prediction_data'。
- 训练时加参数：
clusterer = hdbscan.HDBSCAN(prediction_data=True, ...) - 预测单条样本：
hdbscan.approximate_predict(clusterer, new_point.reshape(1, -1))，注意new_point必须和训练数据同维度、同缩放尺度 - ⚠️ 关键限制：该预测是近似的（基于最近邻查找+簇中心密度插值），不保证和原训练结果完全一致；若需精确预测，只能把新数据和旧数据拼一起重聚类（但会改变原有标签）
和 sklearn.cluster.DBSCAN 对比时容易忽略的差异
别只看结果标签是否接近——HDBSCAN 的核心优势在于无需预设距离阈值 eps，但它用 metric 和 algorithm 参数的方式和 DBSCAN 不同，直接套用会出错。
立即学习“Python免费学习笔记（深入）”；
-
metric值不通用：DBSCAN 支持"precomputed"（传入距离矩阵），HDBSCAN 也支持，但要求矩阵必须是对称的、对角线为 0；而 DBSCAN 的"euclidean"在 HDBSCAN 中要写成"l2"，"manhattan"对应"l1" -
algorithm参数行为不同：HDBSCAN 的"auto"会根据数据维度和样本量自动选"brute"或"kdtree"，但高维（>20 维）下"kdtree"效果反差大，此时应强制设algorithm="brute" - 性能陷阱：HDBSCAN 构建簇树的时间复杂度约为 O(n²)，10 万点以上建议先用 PCA 降到 20 维以内，或改用
sample_size参数抽样训练
prediction_data 忘开、距离矩阵不对称、或者高维下死等 brute-force 计算。跑之前先用 1000 个点试参数，比对着论文调参快得多。 
