4、层次聚类：原理、方法与实践

层次聚类：原理、方法与实践

1. 层次聚类简介

层次聚类和树状图的优势在于，你可以看到所有潜在聚类的细分情况，从而进行选择。例如，若你只想将物种数据集分为狗和猫两类，那么可以在聚类的第一级停止；若想将所有物种分为家养动物和非家养动物，就可以在第二级停止聚类。

2. 构建层次聚类的实践

2.1 生成虚拟数据

我们可以使用 Python 来实现层次聚类。以下是生成虚拟数据的代码：

from scipy.cluster.hierarchy import linkage, dendrogram, fcluster
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
%matplotlib inline
# Generate a random cluster dataset to experiment on. X = coordinate 
# points, y = cluster labels (not needed)
X, y = make_blobs(n_samples=1000, centers=8, n_features=2, random_state=800)

2.2 可视化数据

通过以下代码可视化生成的数据：

plt.scatter(X[:,0], X[:,1])
plt.show()

从输出结果