聚类算法之层次聚类

层次聚类(Hierarchical Clustering)是聚类算法的一种，通过计算不同类别的相似度类创建一个有层次的嵌套的树。

层次聚类怎么算

层次聚类分为自底向上和自顶向下两种，这里仅采用scikit-learn中自底向上层次聚类法。

1. 将数据集中每一个样本都标记为不同类
2. 计算找出其中距离最近的2个类别，合并为一类
3. 依次合并直到最后仅剩下一个列表，即建立起一颗完整的层次树

以下为看图说话~ 感谢 Laugh’s blog借用下说明图

把所有数据全部分为不同组

将相邻最近的两组归为同一组

重复第二步，直到合并成为一个组，聚类结束

聚类过程的散点图变化一下，就是我们要的层次图

层次聚类 Python 实现

import numpy as np
from sklearn.cluster import AgglomerativeClustering
data = np.random.rand(100, 3) #生成一个随机数据，样本大小为100, 特征数为3

#假如我要构造一个聚类数为3的聚类器
estimator = AgglomerativeClustering(n_clusters=3)#构造聚类器
estimator.fit(data)

print(estimator.labels_)#获取聚类标签

主函数 AgglomerativeClustering 参数解释

AgglomerativeClustering(affinity='euclidean', compute_full_tree='auto',
                        connectivity=None, linkage='ward', 
                        memory=None, n_clusters=2,
                        pooling_func='deprecated')

• affinity: 亲和力度量，有 euclidean（欧式距离）, l1（L1 范数）, l2（L2 范数）
• compute_full_tree: 通常当训练了n_clusters后，训练过程就会停止，但是如果compute_full_tree=True，则会继续训练从而生成一颗完整的树
• connectivity: 一个数组或者可调用对象或者None，用于指定连接矩阵
• linkage: 连接方法：ward（单连接）, complete（全连接）, average（平均连接）可选
• memory: 用于缓存输出的结果，默认为不缓存
• n_clusters: 表示最终要查找类别的数量，例如上面的 2 类
• pooling_func: 一个可调用对象，它的输入是一组特征的值，输出是一个数

返回值

• labels： 每个样本的簇标记
• n_leaves_： 分层树的叶节点数量
• n_components： 连接图中连通分量的估计值
• children： 一个数组，给出了每个非节点数量