Python 我可以使用分层聚类（Hierarchy clustering-numpy）获得集群的特征吗

我正在尝试在m*n数组上进行分层聚类

输入阵列：500*1000（1000个特征，500个观察值）

使用自定义pdist函数计算距离矩阵

将此距离矩阵馈送至悬挂机构功能： 集群=sch.链接（距离矩阵，'single'）

形成扁平集群： fc=sch.fcluster（簇、截止、距离）

这给了我一些簇（大约80个，使用6.0的截止值）。

---

现在，我是否也可以获得每个集群对应的1000个特性？（就像我们使用K-均值聚类得到质心的特征一样）。

层次聚类中的聚类（或者几乎所有的聚类，除了K-均值和高斯混合EM，它们被限制为“球形”-实际上是：凸-聚类）不一定有合理的均值

因为它们允许非球形簇。这实际上是一个特征

请看标题为“链接聚类示例”的右图。在这个“香蕉”示例中，集群有什么好处质心甚至可能不在群集中

---

请注意，如果需要，您仍然可以自己计算质心。由于聚类算法不需要质心，因此它显然不会自动为您计算质心。

分层聚类中的聚类（或者几乎任何东西，除了k均值和高斯混合EM，它们被限制为“球形”-实际上是：凸形-聚类）不一定要有明智的方法

因为它们允许非球形簇。这实际上是一个特征

请看标题为“链接聚类示例”的右图。在这个“香蕉”示例中，集群有什么好处质心甚至可能不在群集中

请注意，如果需要，您仍然可以自己计算质心。由于聚类算法不需要质心，显然，它不会自动为您计算质心