我正在使用scikit-learn的特征聚合功能，对特征而不是观测值进行层次聚类处理。

这是我的代码：

from sklearn import clusterimport pandas as pd#load the datadf = pd.read_csv('C:/Documents/data.csv')agglo = cluster.FeatureAgglomeration(n_clusters=5)agglo.fit(df)df_reduced = agglo.transform(df)

我的原始数据框df的形状是(990, 15)，在使用特征聚合后，df_reduced现在变成了(990, 5)。

现在如何找出原始的15个特征是如何被聚合在一起的？换句话说，df_reduced中的每一个新特征是由df中的哪些原始特征构成的？

回答：

在拟合聚类器后，agglo.labels_包含一个列表，该列表指示原始数据集中每个特征在减少后的数据集中属于哪个聚类。