聚类-birch（层次方法的平衡迭代规约和聚类）

birch简述

birch全名利用层次方法的平衡迭代规约和聚类。
birch只需要单遍扫描数据集就可以进行聚类，它最小化IO，天生来应对大数据。brich是通过聚类特征树（CF-tree/ClusterFeature-tree）实现的，单遍扫描数据集后建立一棵存放于内存中的CF-tree，可以看作是数据的多层压缩。

聚类特征

每一个CF是一个三元组，可以用（N，LS，SS）表示。其中N代表这个CF中拥有的样本点的数量；LS代表了这个CF中拥有的样本点各特征维度的和向量，SS代表了这个CF中拥有的样本点各特征维度的平方和。
CF有一个很好的性质，就是满足线性关系，也就是CF1+CF2=(N1+N2,LS1+LS2,SS1+SS2)。
一棵CF树，还需要几个重要参数：
B：内部节点平衡因子，每个内部节点的子节点最大个数
L：叶子节点平衡因子，每个叶子节点的子节点最大个数
T：簇直径阈值，每个簇直径最大阈值，超过后，簇分裂

聚类特征树构造

一个聚类特征树样例：

1. 算法最初，扫描数据集，拿到第一个数据点，创建一个空的Leaf和MinCluster，MinCluster座位Leaf的一个孩子。
2. 当后续点需要插入树中时，把这个点封装为一个MinCluster，把新到的数据点记为CF_new，从树的根节点开始，根据D2（欧式距离）来找到CF_new与那个节点最近，就把CF_new加入那个子树上面去。这是一个递归的过程。递归的终止点是要把CF_new加入到一个MinCluster中，如果加入之后MinCluster的直径没有超过T，则直接加入，否则CF_new要单独作为一个簇，成为MinCluster的兄弟结点。插入之后注意更新该节点及其所有祖先节点的CF值。
3. 插入新节点后，可能有些节点的孩子数大于了B（或L），此时该节点要分裂对于Leaf，它现在有L+1个MinCluster，我们要新创建一个Leaf，使它作为原Leaf的兄弟结点，同时注意每新创建一个Leaf都要把它插入到双向链表中。L+1个MinCluster要分到这两个Leaf中，怎么分呢？找出这L+1个MinCluster中距离最远的两个Cluster（根据D2），剩下的Cluster看离哪个近就跟谁站在一起。分好后更新两个Leaf的CF值，其祖先节点的CF值没有变化，不需要更新。这可能导致祖先节点的递归分裂，因为Leaf分裂后恰好其父节点的孩子数超过了B。

代码描述

private ClusteringFeature buildCFTree() {
        NonLeafNode rootNode = null;
        LeafNode leafNode = null;
        Cluster cluster = null;

        for (