【Matlab】聚类方法_层次聚类

1.基本思想

层次聚类的基本思想是将数据集中的每个样本看作一个独立的簇，然后将这些簇逐步合并成更大的簇，直到最终形成一个包含所有样本的簇为止。这个过程可以用树状图（dendrogram）来表示，树状图的叶子节点表示每个样本，树的每个节点表示一个聚类，树的高度表示聚类的距离或相似度。

层次聚类分为两种方法：自上而下（AGNES）和自下而上（DIANA）。

自上而下方法（AGNES）从所有数据点作为单个簇开始，不断地将相邻的簇合并，直到所有点都在一个簇中。这种方法产生的树状图可以用来确定聚类的数量和最终的聚类结果。

自下而上方法（DIANA）从每个数据点作为一个簇开始，然后逐步将相似的簇合并，直到所有点都在一个簇中。这种方法对于处理大数据集比较高效。

在层次聚类中，簇之间的距离可以通过不同的距离度量方法（如欧几里得距离、曼哈顿距离、切比雪夫距离等）来计算，同时可以选择不同的聚类合并策略（如单链接、完全链接、平均链接等）来确定簇与簇之间的相似度。

2.数据集介绍

鸢尾花（Iris）数据集是一个经典的数据集，用于机器学习和统计学习中的分类和聚类问题。该数据集包含了三种不同类型的鸢尾花（山鸢尾、变色鸢尾和维吉尼亚鸢尾）的测量数据，每种花各有50个样本。每个样本包含四个特征，即萼片长度、萼片宽度、花瓣长度和花瓣宽度，以及它所属的鸢尾花类型。

该数据集最早由英国统计学家和生物学家Ronald Fisher在1936年的一篇论文中介绍，并一直被广泛用于分类和聚类问题的研究中。由于其简单性和广泛应用性，鸢尾花数据集已成为了机器学习和统计学习中的标准数据集之一。

本文采用的数据是.xlsx格式，前四列为样本的特征值，最后一列为样本的标签，标签值为1,2,3

3.文件结构

iris.xlsx						% 鸢尾花数据集，具体格式参考第2部分
Main.m							% 主函数

4.详细代码及注释

% 清空变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行

% 读取数据
data = readtable('iris.xlsx');
X = table2array(data(:, 1:4));

% 调用层次聚类函数
Z = linkage(X, 'single');
% 'single'单连接（single linkage）
% 'complete'完全连接（complete linkage）
% 'average'平均连接（average linkage）
% 'weighted'加权连接（weighted linkage）
% 'centroid'中心连接（centroid linkage）

% 绘制聚类树状图
figure
dendrogram(Z)
title('Dendrogram of Iris Dataset')
xlabel('Samples')
ylabel('Distance')

5.运行结果