层次聚类算法距离计算

层次聚类是一种常用的聚类方法，它通过计算样本之间的距离，将样本分成不同的簇。距离计算是层次聚类的核心，不同的距离计算方法会对聚类结果产生影响。通常，距离计算方法可以分为以下几种：

1. 欧氏距离：欧氏距离是最常用的距离计算方法，它是指两个点在n维空间中各个坐标数值差的平方和的平方根。

2. 曼哈顿距离：曼哈顿距离是指两个点在标准坐标系上的绝对轴距总和。

3. 切比雪夫距离：切比雪夫距离是指两个点在n维空间中各个坐标数值差的最大值。

4. 余弦相似度：余弦相似度是用来比较两个向量之间的相似度。

在层次聚类中，距离矩阵用来存储样本之间的距离，一般使用欧式距离或者其他距离计算方法来计算。然后通过计算距离矩阵中的最小值或者最大值来决定将哪些样本合并到一起形成簇。