Python机器学习手册：从数据预处理到深度学习

问题描述

使用聚类的层次来给观察值分组。

解决方案

使用Agglomerative聚类：

讨论

Agglomerative聚类是一个强大的、灵活的层次聚类算法。在Agglomerative聚类中，所有观察值一开始都是一个独立的聚类。接着，满足一定条件的聚类被合并。不断重复这个合并过程，让聚类不断增长，直到达到某个临界点。在scikit-learn中， AgglomerativeClustering使用linkage参数来决定合并策略，使其可以最小化下面的值：

1．合并后的聚类的方差（ward）。

2．两个聚类之间观察值的平均距离（average）。

3．两个聚类之间观察值的最大距离（complete）。

还有两个参数也很有用。第一个是affinity，它决定linkage使用何种距离度量（比如minkowski或者euclidean等）。第二个是n_clusters，它设定了聚类算法试图寻找的聚类的数量。也就是说，直到有n_clusters个聚类时，聚类的合并才结束。

和我们讨论的其他聚类算法一样，可以用labels_方法来查看每个观察值所属的聚类：

[1]编者注：本章中“分组”“分类”“聚类”几个词含义是相同的，其实指的都是cluster。考虑到语言的流畅性和易读性，并未全部统一表述为“聚类”。