一 定义
凝聚聚类（Agglomerative Clustering）是一种自底向上的层次聚类算法，它通过逐步合并相似的样本或簇，最终形成一棵完整的聚类树（层次结构）。
二、算法流程
- 初始化：将每个样本视为一个独立的簇。
- 计算相似度：计算所有簇对之间的距离。
- 合并簇：合并距离最近的两个簇。
- 更新距离：重新计算新簇与其他簇的距离。
- 迭代：重复步骤 3 和 4，直到满足终止条件。
三、优缺点分析
| 优点 | 缺点 |
|---|---|
| 无需预先指定簇数量 | 计算复杂度高（O (n³)） |
| 生成层次化聚类结果，适合多尺度分析 | 一旦合并无法撤销，可能导致错误合并 |
| 对距离度量方法灵活 | 对噪声和离群点敏感 |
| 适用于任意形状的簇（尤其是单链接） | 解释性依赖树状图的合理截断 |
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
