sch.linkage

`scipy.cluster.hierarchy.linkage` 是 SciPy 中的一个函数，用于执行层次聚类中的链接操作。层次聚类是一种无监督学习方法，用于将数据样本根据相似性进行分组。

`linkage` 函数的语法如下：

from scipy.cluster.hierarchy import linkage

Z = linkage(X, method='method', metric='metric')

其中，参数说明如下：

- `X`：输入的数据矩阵，每行代表一个数据样本。
- `method`：链接方法，用于计算聚类之间的距离。常用的方法有：'single'（单连接）、'complete'（完全连接）、'average'（平均连接）等。
- `metric`：距离度量方法，用于计算样本之间的距离。常见的度量方法有：'euclidean'（欧几里德距离）、'cosine'（余弦距离）等。

函数返回一个连接矩阵 `Z`，其中包含了每个聚类步骤的合并信息。

以下是一个示例：

import numpy as np
from scipy.cluster.hierarchy import linkage

X = np.array([[1, 2], [3, 4], [5, 6]])
Z = linkage(X, method='single', metric='euclidean')

上述代码中，我们创建了一个 3x2 的数据矩阵 `X`，然后使用 `linkage` 函数执行层次聚类的链接操作，采用单连接方法和欧几里德距离度量。结果存储在 `Z` 中。