hierarchical clustering如何设置限制 排除距离>5的元素参与计算

注：数据集中每行元素代表对应位置间的距离，例如r1与c2之间的距离为7km。

要实现距离值大于5的元素不参与层次聚类计算，核心思路是对距离矩阵做阈值掩码处理，不需要修改聚类算法本身的源码，具体操作如下：

• 首先将原始数据整理为标准的n×n对称距离矩阵，n为参与聚类的总点位数量，保证矩阵中dist[i][j]和dist[j][i]值相等，均为点位i和点位j的实际距离，对角线元素（点位到自身的距离）统一为0。
• 遍历距离矩阵所有元素，将所有值大于5的元素替换为正无穷np.inf，对角线元素保留为0不做替换。
• 调用层次聚类接口时，指定距离参数为「预计算距离矩阵」模式，传入处理完成的矩阵即可。

这种处理的逻辑是：层次聚类合并簇的核心依据是簇间距离，当两个点/簇的连通路径上存在无穷大的距离值时，算法会判定二者不可连通，永远不会将其合并到同一个簇中，完全满足"距离大于5的配对不参与聚类"的要求。

代码示例（Python + Scipy） #

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

# 1. 构造完整对称距离矩阵，此处需根据你实际的点位对应关系补全所有值
# 示例仅为占位，你需要把r1-r6、c1-c5所有点位两两之间的距离补全为对称方阵
point_num = 11 # 总点位数量：r1-r6共6个，c1-c5共5个，合计11个
dist_matrix = np.zeros((point_num, point_num))
# 按表格里的已知值填充对应位置即可

# 2. 应用阈值规则：距离>5的替换为正无穷
dist_threshold = 5
dist_matrix[dist_matrix > dist_threshold] = np.inf
np.fill_diagonal(dist_matrix, 0) # 确保自身距离为0

# 3. 执行层次聚类，指定metric为precomputed表示传入预计算距离矩阵
# method参数可根据需求替换为single/complete/ward等簇间距离计算方式
Z = linkage(dist_matrix, method='average', metric='precomputed')

# 4. 获取聚类标签，按距离阈值切分簇
cluster_labels = fcluster(Z, t=dist_threshold, criterion='distance')

注意事项 #

• 不要直接删除距离大于5的矩阵元素，会破坏距离矩阵的方阵结构，导致算法输入维度不匹配报错。
• 如果某个点位和其他所有点位的距离都大于5，该点位会被单独划分为一个独立簇，不会和任何其他点位合并，符合规则预期。
• 处理距离矩阵时不要修改≤5的有效距离值，否则会导致聚类结果失真。

内容的提问来源于stack exchange，提问作者alireza