您现在的位置是:首页 > 技术资料 > 层次聚类核心原理
推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

层次聚类核心原理

更新时间:2026-06-11 10:11:33 大小:17K 上传用户:烟雨查看TA发布的资源 标签:层次聚类 下载积分:2分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

层次聚类(Hierarchical Clustering)是机器学习和数据挖掘中经典的无监督聚类算法,核心思想是通过对数据集进行层次分解,将数据划分为不同层级的聚类簇,最终得到一个树形的聚类结构(通常称为树状图Dendrogram),它不需要预先指定聚类的数量,能够直观展示聚类的合并或分裂过程,在小规模数据集的聚类任务中得到了广泛应用。

层次聚类的分类逻辑

层次聚类按照层次分解的方向,主要分为两类:凝聚式层次聚类Agglomerative Hierarchical Clustering,自底向上)和分裂式层次聚类Divisive Hierarchical Clustering,自顶向下)。

凝聚式层次聚类

凝聚式是最常用的层次聚类实现方式,它遵循自底向上的策略:

1. 初始时,将每个数据点都单独作为一个聚类簇,总共有N个簇(N为样本总数);

2. 每次找到距离最近的两个簇,将它们合并为一个新的簇,总簇数减少1

3. 重复步骤2,直到所有样本都合并为同一个簇,或者达到预设的聚类数量停止迭代。

分裂式层次聚类

分裂式遵循自顶向下的策略,方向和凝聚式相反:

1. 初始时,将所有样本都看作同一个大聚类簇;

2. 每次选择一个最合适的簇,将它分裂为两个更小的簇,总簇数增加1

3. 重复步骤2,直到每个样本都单独成为一个簇,或者达到预设的聚类数量停止迭代。

和凝聚式相比,分裂式的计算复杂度更高,如果最终需要得到多个小簇,分裂式的计算成本远高于凝聚式,因此实际应用中绝大多数场景都使用凝聚式层次聚类。


部分文件列表

文件名 大小
层次聚类核心原理.docx 17K

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载