聚类算法之层次聚类算法和应用举例

最新推荐文章于 2024-09-16 23:36:02 发布

江说江湖

最新推荐文章于 2024-09-16 23:36:02 发布

阅读量5.7k

点赞数

文章标签：层次聚类聚类算法机器学习算法

本文链接：https://blog.csdn.net/A784586/article/details/71483695

版权

本文介绍了层次聚类算法的步骤，包括初始化、类别合并及相似度计算。讨论了SingleLinkage、CompleteLinkage和Average-linkage三种距离计算方法的影响，指出它们在处理样本集时可能出现的问题。同时，给出了Python实现的预告。

摘要由CSDN通过智能技术生成

 
 聚类算法之层次聚类算法和应用举例 
 
 1.假设有N个待聚类的样本，对于层次聚类来说，步骤： 
 
 1、（初始化）把每个样本归为一类，计算每两个类之间的距离，也就是样本与样本之间的相似度；
 2、寻找各个类之间最近的两个类，把他们归为一类（这样类的总数就少了一个）；
 3、重新计算新生成的这个类与各个旧类之间的相似度；
 4、重复2和3直到所有样本点都归为一类，结束 
 
 2.描述： 
 
 整个聚类过程其实是建立了一棵树，在建立的过程中，可以通过在第二步上设置一个阈值，当最近的两个类的距离大于这个阈值，则认为迭代可以终止。另外关键的一步就是第三步，如何判断两个类之间的相似度有不少种方法。这里介绍一下三种： 
 
 SingleLinkage：又叫做 nearest-neighbor ，就是取两个类中距离最近的两个样本的距离作为这两个集合的距离，也就是说，最近两个样本之间的距离越小，这两个类之间的相似度就越大。容易造成一种叫做 Chaining 的效果，两个 cluster 明明从“大局”上离得比较远，但是由于其中个别的点距离比较近就被合并了，并且这样合并之后 Chaining 效应会进一步扩大，最后会得到比较松散的 cluster 。 
 
 CompleteLinkage：这个则完全是 Single Linkage 的反面极