1.算法介紹

層次聚類（Hierarchical Clustering） 是一種常用的數(shù)據(jù)聚類算法，它通過構(gòu)建一個(gè)聚類樹來分析數(shù)據(jù)集的相似度和差異。這種算法不需要預(yù)先指定聚類數(shù)，非常適合于探索性數(shù)據(jù)分析。層次聚類主要包括兩種方法：凝聚型（Agglomerative）和分裂型（Divisive）。本文將重點(diǎn)介紹凝聚型層次聚類，并通過MATLAB實(shí)現(xiàn)數(shù)據(jù)的層次聚類分析。

2.算法原理

凝聚型層次聚類的基本步驟如下：

• 初始化：開始時(shí)，將每個(gè)數(shù)據(jù)點(diǎn)視為一個(gè)獨(dú)立的聚類。
• 計(jì)算距離：計(jì)算所有聚類之間的距離。
• 合并聚類：選擇最近的兩個(gè)聚類合并成一個(gè)新的聚類。
• 更新距離：更新新聚類與其他聚類之間的距離。
• 重復(fù)：重復(fù)步驟3和4，直到所有數(shù)據(jù)合并成一個(gè)聚類或達(dá)到預(yù)定的聚類數(shù)量。

距離的計(jì)算方式可以有多種，如單鏈接（最近鄰）、完全鏈接（最遠(yuǎn)鄰）、平均鏈接（組平均）等。選擇不同的距離計(jì)算方法會影響聚類的結(jié)果。

3.實(shí)例分析

3.1 生成模擬數(shù)據(jù)

首先，我們使用MATLAB生成一組二維模擬數(shù)據(jù)。

% 生成三個(gè)明顯分離的數(shù)據(jù)群
rng('default');  % 為了結(jié)果的可重現(xiàn)性
data1 = mvnrnd([2 2], [.5 .5], 50);
data2 = mvnrnd([-2 -2], [.5 .5], 50);
data3 = mvnrnd([2 -2], [.5 .5], 50);

% 合并數(shù)據(jù)集
data = [data1; data2; data3];

% 可視化原始數(shù)據(jù)
scatter(data(:,1), data(:,2), 10, 'filled')
title('模擬數(shù)據(jù)集')
xlabel('X坐標(biāo)')
ylabel('Y坐標(biāo)')

繪制生成的數(shù)據(jù)散點(diǎn)圖：

3.2 進(jìn)行層次聚類

使用MATLAB的linkage和dendrogram函數(shù)來進(jìn)行層次聚類并可視化結(jié)果。

% 使用歐氏距離和平均鏈接方法進(jìn)行層次聚類
Z = linkage(data, 'average', 'euclidean');

% 繪制樹狀圖
figure;
dendrogram(Z)
title('層次聚類的樹狀圖')
xlabel('樣本索引')
ylabel('距離')

層次聚類結(jié)果圖：

4. 結(jié)論

通過MATLAB實(shí)現(xiàn)的層次聚類能夠有效地將模擬數(shù)據(jù)分組。本例中，我們選擇了平均鏈接方法和歐氏距離，結(jié)果清晰地展示了數(shù)據(jù)的三個(gè)聚類。層次聚類適用于各種數(shù)據(jù)分析場景，特別是在數(shù)據(jù)結(jié)構(gòu)未知時(shí)，它提供了一種直觀的方法來探索數(shù)據(jù)集的結(jié)構(gòu)。

本文轉(zhuǎn)載自 寶寶數(shù)模AI，作者： BBSM