层次聚类创建聚类树的方法.docxVIP

层次聚类创建聚类树的方法 层次聚类是机器学习中常见的聚类方法，常用于不同样本集之间的聚类。它是从上到下，或从下到上分析数据的一种迭代式的聚类方法，主要利用了距离的测量来计算和分配样本到不同的类。层次聚类的步骤大致如下： 1、 首先，从单个节点开始，假设样本空间由N个样本组成，N个样本单独成为N个节点； 2、 然后，根据某个距离度量（比如欧氏距离，最大间距，最小间距等）来计算N个样本中最近的两个样本； 3、 之后，将这两个最近样本进行聚类，形成一个新的节点，该节点由其两个子节点构成； 4、 依次类推，持续将最近的两个样本进行聚类，直到所有的样本都分配到同一个节点，此时，所有的样本都属于同一个节点，一棵聚类树就建立好了； 5、 最后，通过调节树根节点下节点个数和距离阈值，可以由用户自己来确定建立的聚类树的结构。 层次聚类具有推理能力强，概念易理解，树形层次结构清晰易理解等优点，比较适合数量不庞大的数据集。但是，当样本数量庞大时，层次聚类运行时的复杂度很高，需要大量的计算时间。