
252
|
第
7
章
2.
对所有成对的两个簇
k
和
l
,计算出它们之间的相异度
D
(
C
k
,
C
l
)
。
3.
将相异度
D
(
C
k
,
C
l
)
最小的两个簇
C
k
和
C
l
合并。
4.
如果余下的簇多于
1
个,回到第
2
步,否则算法结束。
7.3.4
测量相异度
常用的相异度测量方法有四种:完全距离法、单距离法(
single linkage
)、平均距离法
(
average
linkage
)和最小方差法。多数层次聚类软件(包括
hclust
和
linkage
)支持这些
方法(以及其他方法)。上一节介绍的完全距离法往往生成成员相似的簇。单距离法使用
两个簇记录之间的最小距离作为相异度:
D
(
A
,
B
)
=
min
d
(
a
i
,
b
j
)
这是一种“贪婪”方法,它生成的簇可以包含差异非常大的元素。平均距离法使用所有记
录对之间的平均距离,是单距离法和完全距离法的一种折中。最后,最小方差法也称为
Ward
距离法,它与
K-
均值类似,因为它最小化了簇内平方和(参见
7.2
节
)。
在图
7-9
中
,在埃克森美孚和雪佛龙的股票收益上使用四种方法进行了层次聚类,对于每
种测量方法,都保留四个簇。
图 7-9:股票数据上四种相异度测量的比较