树状图在层次聚类的运用
这就是树状图，在层次聚类中非常有用。现在有一个问题，标准有很多，例如，0.25、0.8、1.8，到底怎么选最优的标准决定分组的个数?
如图41-18所示，作为一个算法有自己的最佳实践，一般情况下，不会选与水平线的轴接触的图形为分界线。这里以高于红色线上面的部分进行划分，一般情况下肯定是这样，为什么?第一点，因为最原始的水平轴是一个元素就一组，正常情况下一个元素不可能是一组，除非这个元素是一个超级元素，1个元素自成1派或自成1组，一般情况下不会出现这样的特例。第二点，继续往上看，不是与水平轴接触的图形中，如果上面只有1个连接，就分成2组，p1,p2,p3分1组，p4,p5,p6分1组。
图41- 18分界线的划分
如图41-19所示，按照最大距离(Largest distance)就分成了2组。
图41- 19 按最大距离划分
如图41-20所示，看右边的图应该分成几组?为什么?我们可以发现规律，分成几组考虑的一个因素是最大的距离。距离比较大就进行分组，这个很容易理解。计算机比较h4,h3的距离，然后进行排序，发现h3更大，就把它进行分组。
图41- 20 如何分组
如图41-21所示，这里分成3组。这很容易理解很直观。
图41- 21分成3组
这是本节讲解的一个非常实用的层次聚类，层次聚类有两种方式，一种是凝聚聚类，另一种是分裂聚类，分裂聚类的方式大家可以自学。
庆祝段智华的博客访问量突破100万+，欢迎阅读
https://duanzhihua.blog.csdn.net/
本文根据王家林老师《30个真实商业案例代码中成为AI实战专家(10大机器学习案例、13大深度学习案例、7大增强学习案例)课程》整理
扫一扫
749
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
