
層次聚類,即Hierarchical Clustering,是一種聚類算法,通過對不同類別數(shù)據(jù)點(diǎn)間的相似度的計算,從而創(chuàng)建一棵有層次的嵌套聚類樹。
一、層次聚類算法原理
在聚類樹中,樹的最底層是不同類別的原始數(shù)據(jù)點(diǎn),樹的頂層則是一個聚類的根節(jié)點(diǎn)。層次聚類算法按照層次分解的順序可分為:自下向上也,就是凝聚的層次聚類算法,以及自上向下即分裂的層次聚類算法(agglomerative和divisive),又可以被稱為自下而上法(bottom-up)和自上而下法(top-down)。自下而上法簡單理解為:一開始每一個個體(object)都是一個類,然后再根據(jù)linkage尋找同類,最后合并,形成一個“類”。自上而下法與自下而上法相反,是開始所有個體都?xì)w屬于一個“類”,然后通過linkage排除異類,最后每一個個體都成為一個“類”。
在層次聚類算法中, 最關(guān)鍵的在于計算兩個聚類間的距離,根據(jù)計算兩個聚類之間距離的算法的不同,能夠分為以下四種聚類算法:
Single Linkage:兩個數(shù)據(jù)集間的最小距離
Complete Linkage:兩個數(shù)據(jù)集間的最大距離
以上兩種方法很容易受到極端值的影響,計算大樣本集效率較高。
Average Linkage:任意兩個數(shù)據(jù)集的距離之和的平均值。這種方法雖然計算量比較大,但是這種度量方法更合理。
Ward:最小化簇內(nèi)方差。假設(shè)聚類A的中心點(diǎn)為a,聚類B的中心點(diǎn)為b,A、B合并后的聚類為C,其中心點(diǎn)為c,則聚類A、B的距離為:
二、層次聚類的優(yōu)缺點(diǎn)
優(yōu)點(diǎn):
1.距離和規(guī)則的相似度比較容易定義,限制很少;
2.不需要預(yù)先制定聚類數(shù);
3.能夠發(fā)現(xiàn)類的層次關(guān)系;
4.能夠聚類成其它形狀
缺點(diǎn):
1.計算的復(fù)雜度很高;
2.即使是奇異值也會產(chǎn)生很大影響;
3.算法很可能會聚類成鏈狀
三、sklearn中的層次聚類
##導(dǎo)入庫
from sklearn.cluster import AgglomerativeClustering
##建模,并指定聚類個數(shù)
ward = AgglomerativeClustering(n_clusters=3)
##擬合并預(yù)測數(shù)據(jù)
ward_pred = ward.fit_predict(data)
繪制系統(tǒng)樹:
from scipy.cluster.hierarchy import linkage,dendrogram
import matplotlib.pyplot as plt
#指定連接類型為離差平方和法
linkage_type = ‘ward’
#擬合數(shù)據(jù),并得到關(guān)聯(lián)矩陣
linkage_matrix = linkage(X, linkage_type)
#創(chuàng)建窗口
plt.figure(figsize=(22.18))
#將關(guān)聯(lián)矩陣輸送到系統(tǒng)方法
dendrogram(linkage_matrix)
#顯示
plt.show()
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10