ML |聚类中的链接类型
先决条件: 层次聚类
分层聚类的过程包括以自下而上的方式将子聚类(第一次迭代中的数据点)聚类成较大的聚类,或者以自上而下的方式将较大的聚类分成较小的子聚类。在两种类型的分级聚类中,需要计算两个子聚类之间的距离。不同类型的联系描述了测量两个子数据点之间距离的不同方法。不同类型的联系如下
1.单键:对于两个聚类 R 和 S,单键返回两点 I 和 j 之间的最小距离,使得 I 属于 R,j 属于 S。

2.完全联动:对于两个聚类 R 和 S,完全联动返回两点 I 和 j 之间的最大距离,使得 I 属于 R,j 属于 S。

3.平均关联:对于两个聚类 R 和 S,首先计算 R 中任意数据点 I 和 S 中任意数据点 j 之间的距离,然后计算这些距离的算术平均值。平均链接返回算术平均值。

在哪里
–R 中的数据点数量
–以秒为单位的数据点数量