基于层次聚类的多维度数据分析

简介：
本研究提出了一种利用层次聚类技术进行多维度数据分析的方法，旨在探索复杂数据集中的潜在模式与结构。通过递归地创建数据点间的分层群集，该方法能够有效地识别和可视化高维空间中不可见的联系，为决策者提供有价值的见解。 基于层次聚类的多维数据分析算法包括凝聚层次算法，在初始阶段将每个样本点视为独立的一簇，并逐步合并这些原子簇直至达到预期的类别数量或满足其他终止条件为止。传统的凝聚层次聚类方法，如AGENES算法，则在开始时为每一个数据点创建一个单独的小群体，随后依据特定规则逐渐融合各个小群组。例如，在应用欧几里得距离作为衡量标准的情况下，如果C1簇中的某样本与C2簇中某一样本之间的距离是所有不同类集群间最短的距离值，则可以认为这两个簇具备合并的条件和可能性。