我有一个 numpy 文本文件数组，位于：https://github.com/alvations/anythingyouwant/blob/master/WN_food.matrix
这是一个术语之间的距离矩阵，我的术语列表如下：http://pastebin.com/2xGt7Xjh
我使用以下代码生成层次聚类：
import numpy as npfrom sklearn.cluster import AgglomerativeClusteringmatrix = np.loadtxt('WN_food.matrix')n_clusters = 518model = AgglomerativeClustering(n_clusters=n_clusters, linkage="average", affinity="cosine")model.fit(matrix)为了获取每个术语的聚类，我可以这样做：
for term, clusterid in enumerate(model.labels_): print term, clusterid但是，我如何遍历 AgglomerativeClustering 输出的树呢？
是否可以将其转换为 scipy 的树状图（http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.cluster.hierarchy.dendrogram.html）？然后如何遍历这个树状图？
回答：
我已经回答了一个关于 sklearn.cluster.ward_tree 的类似问题：如何可视化 sklearn.cluster.ward_tree 生成的 ward 树？
AgglomerativeClustering 以相同的方式输出树，保存在 children_ 属性中。以下是针对 AgglomerativeClustering 调整的 ward 树问题的代码。它以 (node_id, left_child, right_child) 的形式输出树的结构，每个节点一个。
import numpy as npfrom sklearn.cluster import AgglomerativeClusteringimport itertoolsX = np.concatenate([np.random.randn(3, 10), np.random.randn(2, 10) + 100])model = AgglomerativeClustering(linkage="average", affinity="cosine")model.fit(X)ii = itertools.count(X.shape[0])[{'node_id': next(ii), 'left': x[0], 'right':x[1]} for x in model.children_]