Agnes算法基本概念

Agnes算法是一种基于距离的聚类算法，全称为“Agglomerative Nesting”。它的基本思想是将所有样本视为单个簇，逐步将相似度高的簇合并为更大的簇。在初始状态下，每个样本都视为一个簇。然后，它计算每对簇之间的距离，并将最近的两个簇合并以形成一个新的簇。这个过程一直持续到只剩下一个簇为止。

Agnes算法有两种不同的合并策略：单链接和完全链接。单链接是指将两个最近的簇合并成一个新簇，并将两个簇中最近的两个样本之间的距离作为新簇与其他簇之间的距离。完全链接是指将两个最远的簇合并成一个新簇，并将两个簇中最远的两个样本之间的距离作为新簇与其他簇之间的距离。

Agnes算法的优点是易于实现和理解，但它的缺点是容易受到噪声和异常值的影响，并且对于大型数据集，计算距离矩阵的时间和空间复杂度可能很高。