• threshold：一个浮点数，指定空间阈值 。

• branching_facto：一个整数，指定枝平衡因子 。叶平衡因子 也等于该数值。

• n_clusters：一个整数或者None 或者sklearn.cluster 模型，指定最终聚类的数量。

  • 如果为None，则由算法自动给出。
  • 如果为一个整数，则使用AgglomerativeClustering 算法来对 本身执行聚类，并将聚类结果返回。这使得最终的聚类数量就是n_clusters 。

• compute_labels：一个布尔值，指定是否需要计算簇标记。

• copy：一个布尔值，指定是否拷贝原始数据。

属性：

• ：一个数组，表示所有子簇的中心点。

  它直接从所有叶结点中读取。

• subcluster_labels_：一个数组，表示所有子簇的簇标记。

  可能多个子簇会有同样的簇标记，因为子簇可能会被执行进一步的聚类。

• fit(X[, y])：训练模型。

• partial_fit(X[, y])：分批训练模型（在线学习）。

• fit_predict(X[, y])：训练模型并执行聚类，返回每个样本所属的簇标记。

• predict(X)：对每个样本预测其簇标记。

  根据每个子簇的中心点来预测样本的簇标记。

• transform(X)：将样本转换成子簇中心点的坐标：维度 代表样本距离第 个子簇中心的距离。