最短距离的层次聚类算法python实现

以下是Python实现的最短距离层次聚类算法：

import numpy as np

def shortest_distance_cluster(data):
    # 计算距离矩阵
    distance_matrix = np.zeros((len(data), len(data)))
    for i in range(len(data)):
        for j in range(len(data)):
            distance_matrix[i][j] = np.linalg.norm(data[i] - data[j])
    
    # 初始化聚类
    clusters = [[i] for i in range(len(data))]
    
    # 逐步合并聚类
    while len(clusters) > 1:
        # 找到距离最近的两个聚类
        min_distance = float('inf')
        min_cluster_index = None
        min_point_index = None
        for i in range(len(clusters)):
            for j in range(i+1, len(clusters)):
                for k in range(len(clusters[i])):
                    for l in range(len(clusters[j])):
                        distance = distance_matrix[clusters[i][k]][clusters[j][l]]
                        if distance < min_distance:
                            min_distance = distance
                            min_cluster_index = [i, j]
                            min_point_index = [k, l]
        
        # 合并聚类
        clusters[min_cluster_index[0]] += clusters[min_cluster_index[1]]
        del clusters[min_cluster_index[1]]
        
    return clusters[0]

该算法输入一个数据集，输出一个聚类结果。其中，距离矩阵的计算使用欧几里得距离，聚类的合并使用最短距离。