12、聚类算法：凝聚式聚类与 DBSCAN 详解

聚类算法：凝聚式聚类与 DBSCAN 详解

1. 凝聚式聚类（Agglomerative Clustering）

凝聚式聚类是一类基于相同原理构建的聚类算法集合。算法初始时，将每个数据点视为一个独立的聚类，随后不断合并最相似的两个聚类，直至满足特定的停止条件。在 scikit - learn 中，停止条件通常设定为聚类的数量，即不断合并相似的聚类，直到剩下指定数量的聚类为止。

1.1 链接准则（Linkage Criteria）

在凝聚式聚类中，有几种不同的链接准则用于衡量“最相似的聚类”，这些准则定义在两个现有聚类之间。scikit - learn 中实现了以下三种：
| 链接准则 | 说明 |
| — | — |
| ward | 默认选择，它会选择合并两个聚类，使得所有聚类内的方差增加最小，通常会得到大小相对均匀的聚类。 |
| average | 平均链接准则会合并所有点之间平均距离最小的两个聚类。 |
| complete | 完全链接准则（也称为最大链接准则）会合并点之间最大距离最小的两个聚类。 |

一般来说，ward 准则适用于大多数数据集。但如果聚类的成员数量差异很大（例如，一个聚类比其他所有聚类都大得多），average 或 complete 准则可能会有更好的效果。

1.2 凝聚式聚类的过程

以下是凝聚式聚类在二维数据集上寻找三个聚类的过程示例：

import mglearn
mglearn.plots.plot_agglomerative_algorithm()