层次聚类法与密度聚类

一、层次聚类 - 单连接聚类（Single Link）

Step：

1、假设每个点是一个类(1,2,3,4,5,6,7,8)

2、计算每个类两两之间的距离

3、距离最短的类，合并为同一个类，如果类中有多个，根据不同层次算法选择的距离不同

层次聚类算法	距离计算	sklearn
单连接（Single Link）	类间最短元素间的距离
全连接（Complete Link）	类间最远元素间的距离	complete
平均连接（Average Link）	类间两两距离的平均值	average
离差平方和	类间距离平方和 - 类内距离平方和	ward（默认）

sklearn : 凝聚聚类法，不包含 单连接聚类法

from sklearn import cluster

cluster.AgglomerativeClustering(n_clusters=3,linkage='ward')

层次聚类优缺点：

优点：

1、信息丰富

2、结构视觉化

缺点：

1、对噪音敏感

2、计算量大 $O(N^2)$

文献: Using Hierarchical Clustering of Secreted Protein Families to Classify and Rank Candidate Effectors of Rust Fungi

文献: Association between composition of the human gastrointestinal microbiome and development of fatty liver with choline deficiency

二、密度聚类 DBSCAN - 具有噪声的基于密度的空间聚类

参数	解释
$ϵ$	搜索半径
MinPts	圆内的最小点数

点的分类	半径为 $ϵ$ 的圆内的点数
噪声点	< MinPts
核心点	>= MinPts
边界点

优点：

1、不需要指明类的个数

2、灵活地找到各种形状和大小的类

3、能处理噪声和离群值

缺点：

1、边界点可能同时属于两个类，从而不能保证每次传回相同的聚类；

2、难以找到不同密度的类 - 解决方法: HDBSCAN；

文献参考: Traffic Classification Using Clustering Algorithms

文献参考: Anomaly detection in temperature data using dbscan algorithm