Scikit-Learn Agglomerative Clustering Connectivity Matrix

sklearnの凝集クラスタリングコマンドを使用して制約付きクラスタリングを実行しようとしています。アルゴリズムを制約するために、「接続性マトリックス」を要求します。これは次のように説明されます。

接続性の制約は、接続性マトリックス（接続する必要のあるデータセットのインデックスを持つ行と列の共通部分にのみ要素を持つscipyスパース行列）を介して課されます。このマトリックスは、事前情報から構築できます。たとえば、あるページから別のページを指すリンクを持つページをマージするだけでWebページをクラスター化することができます。

アルゴリズムが同じクラスター内にとどまることを強制する観測ペアのリストがあります。これをスパースscipy行列（cooまたはのいずれかcsr）に変換できますが、結果のクラスターは制約を強制できません。

いくつかのデータ：

import numpy as np
import scipy as sp
import pandas as pd
import scipy.sparse as ss
from sklearn.cluster import AgglomerativeClustering


# unique ids 
ids = np.arange(10)

# Pairs that should belong to the same cluster
mustLink = pd.DataFrame([[1, 2], [1, 3], [4, 6]], columns=['A', 'B'])

# Features for training the model
data = pd.DataFrame([
[.0873,-1.619,-1.343],
[0.697456, 0.410943, 0.804333],
[-1.295829, -0.709441, -0.376771],
[-0.404985, -0.107366, 0.875791],
[-0.404985, -0.107366,  0.875791],
[-0.515996, 0.731980, -1.569586],
[1.024580,  0.409148, 0.149408],
[-0.074604, 1.269414, 0.115744],
[-0.006706, 2.097276, 0.681819],
[-0.432196, 1.249149,-1.159271]])

ペアを「接続性マトリックス」に変換します。

# Blank coo matrix to csr
sm = ss.coo_matrix((len(ids), len(ids)), np.int32).tocsr()
# Insert 1 for connected pairs and diagonals
for i in np.arange(len(mustLink)): # add links to both sides of the matrix
    sm[mustLink.loc[i, 'A'], mustLink.loc[i, 'B']] = 1
    sm[mustLink.loc[i, 'B'], mustLink.loc[i, 'A']] = 1
for i in np.arange(sm.tocsr()[1].shape[1]): # add diagonals
    sm[i,i] = 1
sm = sm.tocoo() # convert back to coo format

凝集クラスタリングモデルをトレーニングして適合させます。

m = AgglomerativeClustering(n_clusters=6, connectivity=sm)
out = m.fit_predict(X=data)

私が受け取る警告：

UserWarning：接続マトリックスの接続されたコンポーネントの数は7> 1です。ツリーを早期に停止しないように完了します。接続性、n_components = _fix_connectivity（X、接続性）

不吉な警告に加えて、私が望んでいたペアは同じクラスターに属しますが、そうではありません。

これは、sklearnアルゴリズムがmustlink制約を処理するように設計されておらず、代わりにdistance行列（ここに描かれている区別）しか使用できないためですか？