canopy聚类算法原理

    canopy生成算法也被称为canopy聚类，是一种快速近似的聚类算法。它的优势在于得到簇的速度非常快，只需一次遍历数据即可得到结果。这一优势也是它的缺点。该算法无法给出精确的簇结果。但是它可以给出最优的簇的数量，不像k-means那样需要预先指定簇数量。

    那么针对一个具体的canopy应该如何创建呢？下面介绍创建一个普通的canopy算法的步骤。

    1）原始数据集合List按照一定的规则进行排序（这个规则是任意的，但是一旦确定就不再更改），初始距离阈值为T1、T2，且T1 ＞ T2（T1、T2的设定可以根据用户的需要，或者使用交叉验证获得）。

    2）在List中随机挑选一个数据向量A，使用一个粗糙距离计算方式计算A与List中其他样本数据向量之间的距离d。

    3）根据第2步中的距离d，把d小于T1的样本数据向量划到一个canopy中，同时把d小于T2的样本数据向量