我阅读了一些资源，并了解了层次聚类的工作原理。但是，当我将它与 k-means 聚类进行比较时，在我看来 k-means 确实构成了特定数量的聚类，而层次分析向我展示了如何对样本进行聚类。我的意思是我在层次聚类中没有得到特定数量的聚类。我只得到一个关于如何构成集群以及样本之间关系的一部分的方案。
因此，我不明白在哪里可以使用这种聚类方法。
【问题讨论】：
标签： machine-learning hierarchical-clustering
层次聚类 (HC) 只是另一种基于距离的聚类方法，如 k-means。集群的数量可以大致由cutting the dendrogram represented by HC确定。对于所有聚类方法来说，确定数据集中的聚类数量并不是一件容易的事，这通常基于您的应用程序。对于研究人员来说，调整 HC 中的阈值可能更加明确和直接，尤其是对于非常大的数据集。我认为this question 也有关系。
【讨论】：
在 k-means 聚类中，k 是一个超参数，您需要找到它才能将数据点划分为聚类，而在层次聚类（让我们采用一种类型的层次聚类，即凝聚）中，首先要考虑数据集中的所有点作为一个集群，然后根据相似性度量合并两个集群并重复此操作，直到获得一个集群。我会用一个例子来解释。
假设您的数据集中最初有 13 个点 (x_1,x_2,....,x_13)，所以一开始您将有 13 个集群，现在第二步让您获得 7 个集群 (x_1-x_2 , x_4-x_5 , x_6-x_8, x_3-x_7, x_11-x_12, x_10, x_13) 基于点之间的相似性。在第三步中，假设您得到 4 个集群（x_1-x_2-x_4-x_5，x_6-x_8-x_10，x_3-x_7-x_13，x_11-x_12），您将进入一个步骤，其中数据集中的所有点形成一个聚类，这也是凝聚聚类算法的最后一步。 因此，在层次聚类中，没有超参数，具体取决于您的问题，如果您想要 7 个集群，那么如果您想要 4 个集群，则在第二步停止，然后在第三步停止，以此类推。
层次聚类的一个实际优势是可以使用树状图可视化结果。如果您事先不知道要查找的聚类数量（通常是这种情况……），您可以使用树状图来帮助您选择 k，而无需创建单独的聚类。树状图还可以深入了解数据结构，帮助识别异常值等。层次聚类也是确定性的，而随机初始化的 k-means 可以在对相同数据运行多次时给出不同的结果。
希望这会有所帮助。
【讨论】：