基于父节点局部分类器（LCPN）的多分类任务层级分类实现问询

我目前正在处理一个多分类任务，打算用**基于父节点的局部分类器（LCPN）**方法来解决它。下面我用一个最小可复现示例（MWE）来详细说明我的思路和当前进展：

首先，我生成了一个用于测试的虚拟数据集：

import numpy as np
from sklearn.datasets import make_classification
from scipy.cluster import hierarchy

X, y = make_classification(n_samples=1000, n_features=10, n_classes=5,
                             n_informative=4)

接下来，我计算出了类别之间的距离矩阵：

d = np.array(
[[  0.,    201.537, 197.294, 200.823, 194.517],
 [201.537,   0.,    199.449, 202.941, 196.703],
 [197.294, 199.449,   0.,    198.728, 192.354],
 [200.823, 202.941, 198.728,   0.,    195.972],
 [194.517, 196.703, 192.354, 195.972,   0.   ]]
)

然后，我基于这个距离矩阵构建了类别层级结构：

hc = hierarchy.linkage(d, method='complete')

由此得到的树状图（dendrogram）如下：

（注：原内容中此处未完整展示树状图相关内容）

备注：内容来源于stack exchange，提问作者super_ask