层次聚类

发表于 更新于 分类于 ， 阅读次数： 本文字数： 586 阅读时长 ≈ 1 分钟

什么是层次聚类？

  • 一种聚类分析方法，它通过创建一个由层次化的簇组成的树状图（称为树状图或 dendrogram）来组织数据。与 K-means 等平面（非层次）聚类算法不同，层次聚类不需要预先指定簇的数量
  • 层次聚类有两种基本策略：凝聚（agglomerative）和分裂（divisive）。凝聚层次聚类从将每个数据点视为独立簇开始，然后逐步合并最接近的簇，直到达到预定的簇数量或所有点归为一个簇。分裂层次聚类则相反，它从包含所有数据点的单一簇开始，然后逐渐分裂成更小的簇
  • 使用自下而上的方法执行层次聚类：每个观察都从其自己的聚类开始，然后将聚类连续合并在一起
    1
    2
    3
    4
    5
    6
    7
    8
    9
     >>> from sklearn.cluster import AgglomerativeClustering
     >>> import numpy as np
     >>> X = np.array([[1, 2], [1, 4], [1, 0],
    ...               [4, 2], [4, 4], [4, 0]])
     >>> clustering = AgglomerativeClustering().fit(X)
     >>> clustering
    AgglomerativeClustering()
     >>> clustering.labels_
    array([1, 1, 1, 0, 0, 0])