層次聚類的方法及應用

1、層次聚類的方法及應用層次聚類的方法及應用在近幾十年內(nèi)，人工智能和機器學習發(fā)展迅速并且在各個領域都有著重要的應用，如數(shù)據(jù)挖掘，計算機視覺，自然語言處理等。而在大數(shù)據(jù)時代，面對海量數(shù)據(jù)，往往我們得到的數(shù)據(jù)中先驗知識較少，需要從數(shù)據(jù)本身的分布結(jié)構特性去自動分析數(shù)據(jù)的屬性和知識，這就是無監(jiān)督學習。在無監(jiān)督學習中，本文詳細介紹了層次聚類的方法，包括計算點之間的距離和類之間的距離，逐步聚合，直到最后為每一類貼標簽。并且為了對層次聚類有更深刻的理解我

2、們對層次聚類做了實驗，應用到一個鳶尾花花瓣的長度和寬度數(shù)據(jù)上，從可視化的結(jié)果中發(fā)現(xiàn)層次聚類確實把相距較遠的簇成功分開了，成功的識別出了數(shù)據(jù)中的分布結(jié)構。2方法主流的聚類方法包括kmeans，層次聚類，meanshift等。這些算法的共同特點都是以等長度向量（分布在同一空間中）的集合作為算法的輸入，以每一個向量所屬類別標簽作為輸出，而類別劃分的原則都是越臨近越容易被分到一類，但具體到效果因為方法不同而不同。其中，層次聚類的基本思想概括起來

3、就是初始把每個點單獨看做一個類別，然后依次合并兩個最近的類別，直到需要合并的類別距離大于一個閾值為止。在我們用計算機實現(xiàn)層次聚類的過程中，需要以下步驟：（1）計算每兩個點之間的距離，并且存儲在一個向量里。這兩類的情況，則分別用兩種顏色分辨兩類，橫坐標為花瓣長度或?qū)挾?，縱坐標為每兩類的距離，最后將文字轉(zhuǎn)化為圖片，輸入即可得到所要的圖形。4結(jié)果展示圖1是將層次聚類用樹狀圖的方式進行表述，橫軸長度代表每一類大小，縱軸表示相對距離。而每一組連線

4、都代表著將距離最近的兩點聯(lián)系起來，而這一條連線所取的高度即為兩點距離。具體畫圖過程：從sklearn庫中挑選出datasets這個庫，再從datasets子庫中讀取iris（鳶尾花）數(shù)據(jù)。挑選出后兩種屬性，即可得出圖像，從這幅圖中明顯可以看出距離和越小越密集。依次向上進行層次聚類的過程中類間越來越大。圖2、圖3、圖4三幅圖中，橫軸表示花瓣長度，縱軸代表花瓣寬度，分別代表著將用層次聚類分為兩類、三類、四類（X=2、1.25、1.15）。X