大話凝聚式層次聚類

前言：

有朋友說這專欄的內容寫得太乾燥o(╥﹏╥)o，不過想想也是，用自己的話把東西講明白還是比較重要的。友情提示，大中午喝啤酒別聽《我們不一樣》，雖然這樣打字的速度會增長26.37%。

對了，這篇內容主要想講講啥是凝聚層次聚類（Hierarchical Agglomerative Clustering），也就是怎樣凝聚層次聚類的方式將文章分成不同的類（簇）。

層次聚類介紹：

朋友肯定會問了，啥是凝聚式層次聚類啊？

聚類嘛，就是通過分析，把相似的對象分成不同的組別，每個組別里的對象都有某些相同的屬性。（你把每個表情看成是一篇文章就好了）

凝聚式層次嘛，就是你把每一個對象都看作是一個類別，然後再不斷地把相似的兩個合併在一起，直到所有的對象都成為同一個類別為止，這也是我們今天要講的：凝聚式層次聚類（自底向上）。

聰明的朋友又會問了，那這該咋凝聚啊？

朋友，現在我們知道，每個表情一開始都被當做一個單獨類，而每次合併完之後呢，我們都可以在左邊的Y軸上，看到這個合併對應的結合相似度（Combination similarity），也就是兩個表情之間有多像。

這樣子的話，只要說個相似度的值，畫一條水平線，咱就知道能夠分成多少個類別了。

又或者，我們事先說好分幾個類，等到有這麼多類的時候，咱就取出來。

但是，要是不知道相似度要多少，也不知道該分幾個類咋辦啊？

那就拿一個演算法來截取，你想想啊，當某連續的兩次分類之間的相似度差得最大的時候，咱就截取，准差不到哪去。

以上就是最基本的凝聚式聚類思想啦~~ 具體的偽代碼思路 還有 不同的凝聚式演算法就留到下一篇來寫了/(ㄒoㄒ)/~~

寫到這裡，我都不好意思放公式了，這次經驗告訴我，要做學術的話，還是老老實實地做，該枯燥的該枯燥，要抽象的要抽象，等哪天徹底研究透了，再來抖個機靈。

推薦閱讀：