如何使用scipy的hierchical聚类将聚类分配给新的观察(测试数据)

你没有.

群集没有培训和测试阶段.这是一种探索性的方法.您可以浏览数据,还可以通过重新运行算法来浏览新数据.但是根据这种算法的本质,你不能有意义地将新数据"分配"给旧结构,因为这些数据可以完全改变发现的结构.

如果要分类,请使用分类器.

聚类算法不用于分类的替代品.如果要对新实例进行分类,请使用分类器,并使用此工作流程:

通过群集探索数据(多次)

使用您的域专家认为有意义的集群标记培训数据(验证clstering!)

训练分类器

使用分类器以相同的方式标记新实例

当然,有一些例外.在k-means和Ward中(但不是例如在单链路中),最近的质心分类器可以将发现的模型直接应用于新数据.但是,这意味着将聚类"转换"为静态分类器,结果可能不再是整个数据集的局部最优值(另请参见:概念漂移)