上一篇讲了Partitional Clustering，这一篇聚类的另一种方式，层次分类。 （分享）
Hierarchical CLustering（层次分类）
层次分类方式
（1）Agglomerative（凝聚）
（2）Divisive（分裂）
凝聚的步骤
首先，我用一个通俗的例子来说明下，比如要把10位学生进行聚类，如果我们聚类的标准是空间上的距离，就是说A离B站的近，就认为他们是同一类，而不是根据他们的兴趣爱好，这就是距离的定义，那这样子的话，我们首先算出每两位同学之间的距离，把离得最近的两人先归为一类，那既然是同一类，那就是同一个群体，再算下这9个群体之间的距离，把距离最小的距离再归为一类，直至只有一个类。这就是凝聚。也可以用下面的几点表示。
（1）计算proximity矩阵，就是每两个点（类）之间的距离或者相似度
（2）将距离最短（相似度最高）的点合并在一起
（3）重复（1）（2）步骤，直到最后只有一个类
涉及到的问题
我们很容易就可以想到以两个人为集体跟另一人的空间距离是多少，乃至两个集体之间的距离该如何定义？也正是这个类距离定义的不同，就有了很多不同的算法。
下面给出了定义两个类的相似度的方法，我们知道相似度越高，距离越小。
（1）MIN，以两个Cluster中最近的两个对象的距离作为距离
（2）MAX，以两个Cluster中最远的两个对象的距离作为距离
（3）Group Average，以两个Cluster中所有对象的距离的平均值作为距离
（4）Distance Between Centorids，以两个Cluster中中心的距离作为距离
我们以MIN为例，来说一个例子
（1）我们得到了每两个点之间的相似度，如下
（2）我们发现对象1和对象2之间的相似度是最高的，0.9，所以这两个类得先合并
（3）因为是根据两个类中最短距离作为距离的，所以我们可以直接看，没必要再重新算，我们发现对象4和对象5之间的相似度是0.8，所以将这两个类合并。
（4）接下来，我们发现对象3跟{对象1，对象2}的相似度是0.1，对象3跟{对象4，对象5}的相似度是0.3，因此，我们将对象3跟{对象4,对象5}合并。我们可以得到如下的结果。
当然，我发现MIN是最简单的，但是也有优点，那就是不care类的大小，但是对噪声点敏感。比MIN稍显复杂的是MAX，也可以直接看一个矩阵就能确定聚类结果，下面给出用MAX的聚类结果，另外提一下，MAX的特点正好跟MIN完全相反。
至于其他根据Group Average和Distance Between Centorids，每次合并之后，要重新算下类之间的相似度。
小结
在凝聚过程中，最主要的是定义两个类之间的距离（相似度），对于同一堆数据，不同的距离定义，会得到不同的结果，每个定义都有各自的优势和不足，只有最合适的，没有最好的。根据实际问题实际分析，才是王道。
