层次聚类

数据挖掘中聚类是旨在构建集群的层次结构的聚类分析的方法。战略层次聚类方法一般分为两种类型： [引文需要]集聚： 这是一种"自下而上"的方法： 每个观察值启动在它自己的群集中，并对集群会合并为一个层次结构中向上移动。分裂： 这是一种"自上而下"的方法： 所有观测值开始在一个群集中，并进行了拆分作为一个以递归方式将层次结构中下移。一般情况下，以贪婪的方式确定的合并和拆分。分层聚类的结果通常介绍聚类分析的结果。在一般情况下，凝聚聚类的复杂性是 O(n^3)，这使得他们对于大数据集的速度太慢。分裂与穷举搜索聚类是 O(2^n)，甚至更糟。然而，对于一些特殊的情况下，最优的有效凝聚方法 （O(n^2)) 已知的复杂性： 奥申 [1] 单连杆和碰杯 [2] 为完成连锁聚类法。