层次聚类是一种常用的无监督学习方法，它通过将数据点逐渐合并为越来越大的簇，从而发现数据中的结构。
基本概念
- 簇（Cluster）：一组相似的数据点。
- 相似度：用于衡量数据点之间相似性的度量，例如欧氏距离、曼哈顿距离等。
- 层次聚类算法：将数据点逐步合并形成簇的算法。
层次聚类算法
常见的层次聚类算法包括：
- 单链接法：选择最近的数据点合并成簇。
- 完全链接法：选择最远的数据点合并成簇。
- 平均链接法：计算两个簇中所有数据点对之间的平均距离。
应用场景
层次聚类在以下场景中非常有用：
- 数据探索：通过层次聚类可以更好地理解数据中的结构。
- 聚类分析：将数据点划分为具有相似特征的簇。
- 图像处理：用于图像分割和特征提取。