聚类算法（三）：层次聚类 Hieriachical算法

最新推荐文章于 2023-01-05 06:30:00 发布

chixujohnny

最新推荐文章于 2023-01-05 06:30:00 发布

阅读量1.2k

点赞数

分类专栏：数据挖掘文章标签：层级聚类数据挖掘 Hieriachical 算法数据

本文链接：https://blog.csdn.net/chixujohnny/article/details/50374742

版权

本文介绍了层次聚类算法，特别是凝聚型层次聚类，该算法通过不断合并最近的类来逐步构建层次结构，直至所有对象归为一个簇。详细讲解了算法步骤，并提供了源码分享。

摘要由CSDN通过智能技术生成

层次聚类算法是对给定的数据集进行层次的分解，知道满足某种条件为止。这里我主要演示凝聚型层次聚类，凝聚型是有多个簇合并成较少的簇的过程，下面对算法进行讲解：

算法：Hieriachical

输入：数据集D

输出：各个簇的集合N

1.将每个对象归为一类, 共得到N类, 每类仅包含一个对象. 类与类之间的距离就是它们所包含的对象之间的距离.

2.找到最接近的两个类并合并成一类, 于是总的类数少了一个.

3.重新计算新的类与所有旧类之间的距离.

4.重复第2步和第3步, 直到最后合并成一个类为止(此类包含了N个对象).

源码分享：

def Hierachical(data):
    min_dis = 10000
    print data
    while len(data) > 1: # 只要data中簇的个数大于1,就继续循环
        for i in range(len(data)):
            for j in range(i+1, len(data)):
                a = data[i]
                b = data[j]
                ave_dis = Average_dis(data[i], da