本文详细介绍了凝聚型层次聚类（agglomerative）算法，包括算法描述、类与类之间的距离计算方法（最短距离法、最大距离法、类平均距离法、重心法、Ward最小方差法），并提供了Python实现示例，讨论了确定聚类数量k的方法，以及在经济发展水平评估中的应用案例。
目录
层次聚类算法（Hierarchical Clustering）根据层次分解的顺序分为：自下向上和自上向下，即凝聚的（agglomerative）层次聚类算法和分裂的（divisive）层次聚类算法，也可以理解为自下而上法（bottom-up）和自上而下法（top-down）。
自下而上：凝聚型层次聚类，就是一开始每个个体（object）都是一个类，然后根据联系（linkage）寻找同类，最后形成一个“类”。
自上而下：分裂型层次聚类，就是反过来，一开始所有个体都属于一个类，然后根据联系（linkage）排除异己，最后每个个体都成为一个类。
如图：
图中，从左到右就是自下而上，凝聚型的层级聚类，而从右到左就是自上而下，分裂型的层次聚类。本文以凝聚型层次聚类为例，下面描述凝聚型层次聚类具体的算法过程。
订阅专栏 解锁全文
3706
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
