這是一種「由下而上」的方法。運作邏輯如下：
右邊的圖就是合併過程的歷史紀錄：
這是階層分群最大的優點。你可以透過移動紅色的「切割線 (Cut Line)」來決定分群的嚴格程度：
樹狀圖(Dendrogram)是階層式分群的視覺化,iPAS 分群考點(中級科目三)。重點:由下而上逐步合併樣本成群,高度代表合併時的距離;在某高度橫切就決定群數(通常切在跳最大的高度)。易混點:階層式分群不需先指定群數(與 K-means 不同),但計算量大、不適合超大資料;連結方式(單一、完全、平均、Ward)會造出不同形狀的群。情境:探索資料的巢狀結構。
想練情境題與詳解 → AI 學習與考證地圖
階層聚類的視覺化：用樹形展示樣本如何由下而上逐步合併成群，高度代表合併時的距離。
在某個高度橫切一刀，被切斷的縱線數就是群數；通常選在跳得最大的高度切，群間差異最明顯。
單一連結(最近點)、完全連結(最遠點)、平均連結、Ward(最小化群內變異)；不同連結造出不同形狀的群。
不必先指定群數、可看完整合併過程、結果是巢狀階層(樹狀圖)；但計算量大、不適合超大資料。
傾向產生大小相近、緊湊的球狀群，是最常用的連結法之一；對雜訊與離群較敏感，資料有極端值要先處理。