objectif

Clustering hiérarchique agglomératif.

code minimal

from sklearn.cluster import AgglomerativeClustering
from sklearn.datasets import make_blobs

X, _ = make_blobs(n_samples=100, centers=3, random_state=0)
labels = AgglomerativeClustering(n_clusters=3).fit_predict(X)
print(len(set(labels)) == 3)

utilisation

print(labels[:5].tolist())

variante(s) utile(s)

from sklearn.cluster import AgglomerativeClustering
print(hasattr(AgglomerativeClustering(linkage="ward"), "fit"))

notes

• Pas de predict par défaut; utiliser linkage/affinity selon cas.