將所有樣本中相近得樣本點組成一個群組，一層一層往上堆疊，直至所有的樣本皆被分成一個群組為止

Hierarchical Clustering

透過將最接近的樣本集成一群，一層一層擴大群組，最後決定想要分割成多少群組

1. 計算樣本間各點的距離
2. 將距離最接近的合成一群
3. 重複步驟1及步驟2，直到所有樣本都成為一群
4. 依照距離切割，決定最終聚類群數

凝聚型層次聚類（Agglomerative clustering）

一種自底向上方法，從小集群開始，逐漸將其合併，形成更大的集群

1. 所有點被視為單獨一個聚類（幾個點就有幾個聚類）
2. 每一次將最接近的兩個聚類合併為一個新的聚類，逐步建立層次結構
3. 重複合併過程

分裂型層次聚類（Divisive clustering）

一種自頂向下方法，從單個集群開始，遞歸地將其拆分成更小的集群

1. 所有數據點被視為一個大的聚類（只有一個）
2. 每一次選擇一個現有聚類並將其分裂為兩個或多個更小的子聚類，逐步建立層次結構
3. 重複分裂過程

參考資料

• https://pyecontech.com/2020/06/12/hierarchical_clustering/
• https://blog.csdn.net/qq_51228515/article/details/123306927
• https://zh.wikipedia.org/zh-tw/%E5%B1%82%E6%AC%A1%E8%81%9A%E7%B1%BB