Scipy层次聚类后fcluster仅返回单聚类ID问题排查

我来帮你排查这个问题——树状图显示聚类结构正常，但fcluster却只返回单一聚类ID，这个问题几乎都是参数设置的锅，尤其是阈值或聚类准则的问题，下面给你拆解可能的原因和解决办法：

1. 阈值t设置过高（最常见原因） #

层次聚类的树状图中，y轴代表的是聚类合并时的距离/高度。如果你给fcluster的t值大于所有聚类合并步骤的最大高度，那么所有样本都会被合并成同一个聚类。

解决办法： #

• 先观察树状图的y轴范围，找到最后一次聚类合并的高度（也就是树状图最顶端的高度）。
• 将t设置为这个最大高度以下的数值，比如取最大高度的1/2或1/3，或者根据你想要的聚类数量调整。
• 你也可以通过代码自动获取最大合并高度：

  dend = dendrogram(Z, no_plot=True)  # 不绘制图，只获取数据
  max_merge_height = dend['dcoord'][-1][1]
  t = max_merge_height * 0.5  # 设置阈值为最大高度的一半
  cluster_ids = fcluster(Z, t=t, criterion='distance')
  

2. 聚类准则（criterion）参数不匹配 #

如果你的目标是指定聚类数量，却误用了基于距离的准则，或者参数搭配错误，也会导致聚类异常：

• 如果你想直接指定聚类数量，应该用criterion='maxclust'，并传入maxclust参数，比如：

  # 直接指定分成3个聚类
  cluster_ids = fcluster(Z, maxclust=3, criterion='maxclust')
  

• 如果你坚持用距离阈值，要确保criterion='distance'，且t的数值和你的聚类方法（比如ward、single等）的距离尺度匹配。

3. 聚类树构建（linkage）的参数验证 #

虽然树状图显示正常，但可以快速验证linkage的参数是否符合你的预期：

• 检查linkage的method参数（比如ward、complete等）是否是你想要的聚类方法。
• 检查metric参数（默认是欧氏距离）是否适合你的50维数据集。

修正后的示例代码 #

假设你原来的代码类似下面这样，这里给你调整成正确的版本：

from scipy.cluster.hierarchy import linkage, dendrogram, fcluster
import matplotlib.pyplot as plt

# 你的50维数据集X
Z = linkage(X, method='ward')

# 绘制树状图，观察聚类结构
plt.figure(figsize=(12, 6))
dend = dendrogram(Z)
plt.title("Hierarchical Clustering Dendrogram")
plt.xlabel("Sample Index")
plt.ylabel("Distance")
plt.show()

# 方法1：基于距离阈值聚类
max_merge_height = dend['dcoord'][-1][1]
t = max_merge_height * 0.4  # 可根据树状图调整比例
cluster_ids = fcluster(Z, t=t, criterion='distance')

# 方法2：直接指定聚类数量
# cluster_ids = fcluster(Z, maxclust=4, criterion='maxclust')

print("聚类ID结果：", cluster_ids)

内容的提问来源于stack exchange，提问作者denisb411