sklearn.cluster.AgglomerativeClustering(）

sklearn.cluster.AgglomerativeClustering 是 scikit-learn 中的一个聚类算法模块，属于层次聚类（Hierarchical Clustering）的一种。它基于贪心策略，将样本一步步合并成更大的簇，形成一棵树状结构，通常称为 dendrogram。这个类提供了一种自底向上的聚合过程，可以根据用户选择的不同链接度量（如单连接、全连接、平均连接或 ward 聚合）来计算样本之间的相似性。

在使用 AgglomerativeClustering 时，你需要指定一些关键参数：
1. n_clusters: 预设的最终簇数，如果未指定，则会自动确定一个合适的值。
2. affinity: 表示相似性的度量方式，比如 'euclidean'（欧式距离）、'cosine'（余弦相似度）等。
3. linkage: 决定如何合并簇的方式，例如 'ward', 'complete', 'average' 或 'single'。

实例用法可能会像这样：

from sklearn.cluster import AgglomerativeClustering

# 初始化模型并设置参数
agg_clustering = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')

# 训练数据
X = ... # 你的特征数据
labels = agg_clustering.fit_predict(X)