维基百科关于确定数据集中聚类数量的文章指出，在使用层次聚类时我无需担心此类问题。然而，当我尝试使用scikit-learn的聚合聚类时，我发现必须提供聚类数量作为参数“n_clusters”，否则默认会得到硬编码的两个聚类。在这种情况下，我该如何为数据集选择正确的聚类数量？维基百科的文章是否有误？

回答：

维基百科只是做了极端的简化，与现实情况无关。层次聚类并不能避免聚类数量的问题。简单来说，它构建了一个覆盖所有样本的树，显示哪些样本（之后是聚类）合并在一起形成更大的聚类。这个过程递归进行，直到只剩下两个聚类（这就是默认聚类数量为2的原因），它们合并成整个数据集。你需要自己“切割”树来获得实际的聚类。一旦你拟合了AgglomerativeClustering，你可以遍历整个树并分析应该保留哪些聚类