《聚类个人理解》算法篇02——系统聚类page04

迟到的周更，下次一定！
下周补充一个介绍篇的评价指标（分上下，先说用的多的评价指标，然后我再查查不常见的）

算法篇——系统聚类（或层次聚类）

始发于：2020-6-9  最新更改：2020-6-9

一、扯
讲系统聚类，优先看一下它的应用前景，系统聚类用的多吗？用的方面广吗？答案都是否定的。那我们学它干什么？我相信学任何一个东西，学会了应该没有坏处，一方面呢，技多不压身，另一方面我们有时候学一个人东西，过了很长时间，在另一个方面研究东西，或者做东西的时候，一些想法，骚操作，可能就来自你之前学过的被称为“没用的”知识。

问：系统聚类为啥用的不多？
答：系统聚类适合小样本数据集，对于大样本系统聚类的运算复杂度成倍叠加，这导致这个方法用的时候不多。现在大多数都是在分析中等量样本集和大数据样本集。

二、系统聚类
系统聚类的原理，比如在一个平面，上面有5个点，首先把每一个点看做一类，我们就有5个类簇，每个类簇有1个点。如下图：

第一次：
找到两个距离最近的点，如图点3与点5，把这两个分到一类。那么现在呢 就有4个类簇。如下图：

第二次：
从这里开始，根据新合并的类簇整体到其他点的距离怎么求，诞生了各种各样的系统聚类方法
定义：
①四个类name：1,2,4,3+5
②dist（name1，name2）：类name1与类name2的距离
最短距离法：例：3+5与4的距离=min{dist(4,3),dist(4,5)}
最长距离法：例：3+5与4的距离=max{dist(4,3),dist(4,5)}
类平均法：例：3+5与4的距离=[dist(4,3)+dist(4,5)]/n（n为分子相加的距离个数）
重心法：在每一个类簇找一个中心来代替整体，重心法大多情况是取均值，比如一个类簇两个点（（3,5），（7,1））他们的重心就是（(3+7)/2，(5+1)/2）
等等，还有很多方法可以拓展。

三、研究现状

系统聚类适合小样本数据集，所以现在对它做的研究大多为小样本。比如药方组成成分，鉴别某植物的产地，那么这些小样本究竟有多小？大概在多则50左右，少则7,8,个。