python分层聚类_使用Python分层聚类进行机器学习

分层聚类简介

分层聚类是另一种无监督学习算法，用于将具有相似特征的未标记数据点组合在一起。分层聚类算法分为以下两类：

凝聚分层算法-在凝聚分层算法中，每个数据点被视为单个集群，然后连续地合并或聚集(自下而上的方法)成对的集群。簇的层次结构表示为树状图或树结构。

分裂分层算法-另一方面，在分裂层次算法中，所有数据点都被视为一个大集群，集群过程涉及将一个大集群划分为(自上而下)方法到各个小集群中。

步骤执行凝聚层次聚类

我们将解释最常用和最重要的层次聚类，即凝聚性。执行相同的步骤如下

步骤2-现在，在这一步中，我们需要通过连接两个壁橱数据点来形成一个大型集群。这将导致总共K-1个星团。

步骤3-现在，为了形成更多的集群，我们需要加入两个壁橱集群。这将导致总共K-2个群集。

步骤4-现在，为了形成一个大的集群，重复上述三个步骤，直到K变为0，即没有更多的数据点可以加入。

步骤5-最后，在制作一个大的聚类之后，根据问题，将使用树状图分成多个聚类。

树状图在聚合分层聚类中的作用

正如我们在上一步中讨论的那样，树形图的作用一旦形成大簇就开始了。树形图将用于根据我们的问题将聚类分成多个相关数据点集群。可以通过以下示例-来理解;

示例1

要理解，让我们开始导入所需的库，如下所示;%matplotlib inline

import matplotlib.pyplot as plt

import numpy as np

接下来，我们将绘制我们为此示例所采用的数据点-X&