我有一个向量x，它代表用tf-idf转换的文本数据。然后我用sklearn的cosine_similarity()函数计算该向量所有点之间的距离，并用scipy.cluster.hierarchy创建病房距离的linkage_matrix。这就创建了一个层次聚类，但我不知道如何计算每个观察点到每个质心的距离。
当我使用sklearn中的kmeans时，我发现我可以通过调用x向量的transform()方法来计算这个值，然后它会返回一个矩阵，其中包含每个观察值和每个聚类之间的欧几里得距离。我想使用scipy.cluster.hierarchy算法来做类似的事情。
我已经尝试检查返回的linkage_matrix以及scipy.spatial.distance.pdist，但它似乎不是我所需要的。
有没有办法做到这一点？