hierarchical clustering

层次聚类(Hierarchical Clustering)是一种聚类算法，它通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树，距离越小，相似度越高。在聚类树中，不同类别的原始数据点是树的最低层，树的顶层是一个聚类的根节点。创建聚类树有自下而上合并和自上而下分裂两种方法，这两种方法分别称为聚类与分裂。其中，自下向上的聚类方法（凝聚分层聚类）的算法思想是将每个点都看成一个簇，将两个最近的簇合并为一个簇，不断重复上述过程，直到达到预期簇或簇之间的距离满足要求为止（指定簇数或样本距离阈值）。