python机器学习之--用凝聚层次聚类进行数据分组

1.什么是层次聚类

def perfrom_clustering(X,connectivity,title,num_clusters=3,linkage='ward'):
    plt.figure()
    model = AgglomerativeClustering(linkage=linkage,
            connectivity=connectivity,n_clusters=num_clusters)
    model.fit(X)

层次聚类是一组聚类算法，通过不断分接或合并集群来构建树状集群，层次聚类可以用一棵树来表示。

层次聚类算法可以自下而上和自上而下。在自下而上算法中，每个数据点都被看做是一个单独的集群，这些集群不断合并，知道所有的集群合并成一个举行集群，这被称为凝聚层次聚类。与之相反，自上而下层次的算法是从一个巨大的集群开始，不断的分接，直到所有的集群变为一个个单独的数据点。

本片博客主要参考了：http://nlp.stanford.edu/IR-book/html/htmledition/hierarchical-agglomerative-clustering-1.html

2.详细步骤

首先导入需要的程序包：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import AgglomerativeClustering
from sklearn.neighbors import kneighbors_graph

定义一个实现凝聚层次聚类的函数