基于DTW距离矩阵的凝聚聚类

似乎我需要用一个压缩的距离矩阵。但是如果我这样做了,聚类方法会将每个距离解释为一个新的样本,所以我会得到太多的标签。我该怎么做?

这是我尝试过的示例代码:

import numpy as np

# Test symmetric matrix
N = 4
b = np.random.randint(0,5,size=(N,N))
b_symm = (b + b.T)/2
np.fill_diagonal(b_symm,np.zeros(N))

# Condensed matrix
condensed = squareform(b_symm)
model = AgglomerativeClustering(n_clusters=2, linkage=linkage)
y = model.fit_predict(condensed.reshape(-1,1))