分层聚类算法，为何如此关键？

2021-02-09 01:11

分层聚类法就是对给定数据对象的集合进行层次分解，根据分层分解采用的分解策略，分层聚类法又可以分为凝聚的（agglomerative）和分裂的（divisive）分层聚类。

凝聚的分层聚类

它采用自底向上的策略，首先将每一个对象作为一个类，然后根据某种度量（如2个当前类中心点的距离）将这些类合并为较大的类，直到所有的对象都在一个类中，或者是满足某个终止条件时为止，绝大多数分层聚类算法属于这一类，它们只是在类间相似度的定义上有所不同。

分裂的分层聚类

它采用与凝聚的分层聚类相反的策略——自顶向下，它首先将所有的对象置于一个类中，然后根据某种度量逐渐细分为较小的类，直到每一个对象自成一个类，或者达到某个终止条件（如达到希望的类个数，或者2个最近的类之间的距离超过了某个阈值）。

分层聚类虽然比较简单，但经常会遇到选择合并点或者分裂点的问题。这种选择非常关键，因为一旦一组对象被合并或者分裂，下一步的工作就是在新形成的类上进行，已做的处理不能撤销，类之间也不能交换对象。如果合并或者分裂的决定不合适，就可能得出低质量的聚类结果。而且，分层聚类算法没有很好的可伸缩性，在决定合并或者分裂之前需要检查和估算大量的对象和类。