机器学习之层次聚类

---

1. 层次聚类分类

层次聚类算法又分为两种形式：
（1）. 凝聚层次聚类：
首先将每个对象作为一个簇，然后合并这些原子簇为越来越大的簇，直到某个终结条件被满足。这是自底向上的方法，首先将每个对象作为单独的一个聚类，然后根据性质和规则相继地合并相近的类，直到所有的对象都合并为一个聚类中，或者满足一定的终止条件。经典的层次凝聚算法以AGNES算法为代表，改进的层次凝聚算法主要以BIRCH,CURE,ROCK,CHAMELEON为代表。
（2）. 分裂层次聚类：
首先将所有对象置于一个簇中，然后逐渐细分为越来越小的簇，直到达到了某个终结条件。自顶向下的方法，正好与凝聚法相反，首先将所有的对象都看作是一个聚类，然后在每一步中，上层类被分裂为下层更小的类，直到每个类只包含一个单独的对象，或者也满足一个终止条件为止。分裂算法将生成与凝聚方法完全相同的类集，只是生成过程的次序完全相反。经典的层次分裂算法以DIANA算法为代表。
参考博文：https://blog.csdn.net/zhangbaoanhadoop/article/details/82383970

2. 凝聚层次聚类

3. 分裂层次聚类

略
更多文章：https://blog.csdn.net/qq_33208851/article/details/95230847