sklearn里层次聚类的参数及解释：
- n_clusters: 事先定义多少簇；如果distance_threshold不是none，则它必须被定义为none
- affinity（亲和力算法）:用来计算联系程度的算法，它默认是‘euclidean’(欧式距离），还可以定义为’l1’,‘l2’, ‘mantattan’(曼哈顿距离), 如果linkage=‘ward’,affinity必须为‘euclidean’
- memory：用缓存来存储输出的结果，默认不缓存
- connectivity：一个数组或可调用对象，用来指定连接矩阵
- compute_full_tree：当训练了n_clusters后，训练过程停止，若compute_full_tree=True,则继续训练从而生成完整的数
- linkage：用来指定链接算法
– ‘ward’：单链接single-linkage, 采用dmin
– ‘complete’: 全链接complete-linkage，采用dmax
– ’average‘：均连接average-linkage算法，采用davg - distance_threshold: 超过一定的链接距离，则这个簇将不会被合并；如果它是非空，则n_clusters必须是none，且compute_full_tree必须是True
