作者：upshi
链接：https://www.jianshu.com/p/785bb19386db
来源：简书
层次聚类(Hierarchical
Clustering)是聚类算法的一种，通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树。在聚类树中，不同类别的原始数据点是树的最低层，树的顶层是一个聚类的根节点。创建聚类树有自下而上合并和自上而下分裂两种方法。
1. Bisecting K-Means二分k均值聚类算法（自上而下）
K-Mean算法，即 K 均值算法，是一种常见的聚类算法。算法会将数据集分为 K
个簇，每个簇使用簇内所有样本均值来表示，将该均值称为“质心”。
Bisecting
k-means聚类算法，即二分k均值算法，它是k-means聚类算法的一个变体，主要是为了改进k-means算法随机选择初始质心的随机性造成聚类结果不确定性的问题，而Bisecting
k-means算法受随机选择初始质心的影响比较小。
2.Agglomerative Hierarchical Clustering,AHC
合成聚类算法（自下而上）
2.1
合成聚类合并算法：层次聚类的合并算法通过计算两类数据点间的相似性，对所有数据点中最为相似的两个数据点进行组合，并反复迭代这一过程。简单的说层次聚类的合并算法是通过计算每一个类别的数据点与所有数据点之间的距离来确定它们之间的相似性，距离越小，相似度越高。并将距离最近的两个数据点或类别进行组合，生成聚类树。
2.2距离计算方法：计算两个组合数据点间距离的方法有三种，分别为Single
Linkage，Complete Linkage和Average Linkage。
加载中，请稍候......
喜欢
加载中…