参考博客：
https://joernhees.de/blog/2015/08/26/scipy-hierarchical-clustering-and-dendrogram-tutorial/
层次聚类理论知识
类从多减少的过程。
1、定义样本间的距离，类与类之间的距离
2、将每个样本当作一类，计算距离最近的两类，合并为新类
3、一点一点做，直到所有成为一类。
基本步骤：
1、数据变换：
中心化：demean
标准化：deStd
极差标准化：deMean / 极差
极差正规化：de min / 极差
对数变换
2、计算样品两两间距离
3、合并距离最小的两类，重新计算类与类之间的距离
4、画谱系聚类图
5、决定分类的个数以及各个类的成员。
类与类之间的距离不同定义：
1、最短距离法：两两之间最短距离
2、最长距离法
3、中间距离法
4、重心法：可能导致合并后下一次距离比前一次要短
5、类平均法：两两之间平方距离的平均值
6、离差平方和法：WARD
性质：
1、单调性：只有中间距离法和重心法不符合。
2、浓缩与扩张：太浓缩的方法不灵敏，太扩张的方法在样本比较多的时候容易失真
类个数的确定：
1、给定临界值、
2、根据散点图判断
3、根据统计量判断：
R2、半偏R2、伪F、伪T
来看代码：
from scipy.cluster.hierarchy import dendrogram, linkage Z = linkage(X, "single", "correlation") dendrogram(Z, labels=X.index, color_threshold=0) plt.show()
首先使用linkage函数生成距离矩阵。
method参数为距离定义：
single : 最短距离法
complete: 最长距离法
average: 类平均法， 与通常定义差一个sq, sqrt
centroid: 重心法
weighted: 中间距离法
ward: WARD法
使用fcluster函数确定最终的分组情况：