Summary  
This chapter explains the agglomerative hierarchical clustering algorithm, where each data point starts as its own cluster and clusters are successively merged based on chosen linkage-based distance measures, with the final cluster hierarchy visualized as a dendrogram.

General domain of usage  
Unsupervised machine learning

**La agrupación jerárquica** es un método de análisis de conglomerados que busca construir una jerarquía de grupos. **A diferencia de K-means**, no requiere que se preespecifique el número de grupos.

Definición

El algoritmo puede comenzar con **cada punto en su propio grupo** y fusionarlos sucesivamente (agrupamiento aglomerativo), o comenzar con **todos los puntos en un solo grupo** y dividirlos recursivamente en grupos más pequeños (agrupamiento divisivo).

Dado que el **agrupamiento aglomerativo** es el enfoque más utilizado, nos centraremos en él.

El tipo más común de agrupamiento jerárquico es el enfoque **de abajo hacia arriba**. El algoritmo es el siguiente:

1.  **Inicialización:** cada punto de datos se trata como un solo grupo; 

2.  **Calcular la matriz de proximidad:** se calcula la distancia entre cada par de grupos; 

3.  **Fusionar grupos:** los dos grupos más cercanos se fusionan en un solo grupo; 

4.  **Actualizar la matriz de proximidad:** se recalculan las distancias entre el nuevo grupo y todos los grupos restantes; 

5.  **Repetir:** los pasos 3 y 4 se repiten hasta que todos los puntos de datos se fusionan en un solo grupo.


## Tipos de enlace 

La proximidad entre dos clústeres se define por el **tipo de enlace**. Los métodos de enlace más comunes utilizados en el agrupamiento jerárquico son:
 

*   **Enlace simple:** la distancia entre los dos puntos más cercanos en los dos clústeres; 

*   **Enlace completo:** la distancia entre los dos puntos más alejados en los dos clústeres;    

*   **Enlace promedio:** la distancia promedio entre todos los pares de puntos en los dos clústeres;

*   **Método de Ward:** minimiza el aumento en la varianza total dentro del clúster al fusionar dos clústeres.

La elección del método de enlace puede afectar la **forma** y **estructura** de los clústeres resultantes. La experimentación y el conocimiento del dominio suelen ser útiles para seleccionar el mejor método para tus datos.

## Dendrograma

Los resultados del agrupamiento jerárquico suelen visualizarse utilizando un **dendrograma**.

Un **dendrograma** es un diagrama en forma de árbol que muestra la relación jerárquica entre los clústeres. La altura de las ramas en el dendrograma representa la **distancia entre los clústeres**.

¿Cuál es la característica principal del enfoque ascendente (aglomerativo) en el agrupamiento jerárquico?

Adquiera una comprensión sólida del análisis de conglomerados, una técnica clave de aprendizaje no supervisado para descubrir patrones en datos no etiquetados. Explore los conceptos esenciales de K-Means, Clustering Jerárquico, DBSCAN y GMM, y obtenga experiencia práctica con conjuntos de datos reales para desarrollar confianza en la aplicación del clustering a problemas del mundo real.

Adéntrese en los fundamentos del clustering y descubra cómo se diferencia de la clasificación. Explore algoritmos, herramientas y bibliotecas esenciales que impulsan esta técnica de aprendizaje no supervisado para revelar patrones ocultos en los datos.

Obtenga una comprensión sólida de las principales técnicas de preprocesamiento que garantizan una agrupación efectiva. Incluye el manejo de valores faltantes, la codificación de características categóricas, la normalización de datos y la selección de medidas de distancia y métodos de enlace apropiados para mejorar la precisión del agrupamiento.

Domine las habilidades necesarias para aplicar el agrupamiento K-Means de manera efectiva. Aprenda cómo funciona el algoritmo, determine el número óptimo de grupos y adquiera experiencia práctica implementando K-Means en conjuntos de datos sintéticos y del mundo real.

Explore los conceptos esenciales del clustering jerárquico y aprenda a agrupar datos en clústeres significativos utilizando dendrogramas. Adquiera confianza en la identificación del número óptimo de clústeres y en la implementación de la técnica tanto en conjuntos de datos sintéticos como reales.

Descubra cómo DBSCAN destaca en la detección de agrupamientos de formas variadas y en el manejo de ruido en los datos. Conozca la mecánica detrás de este algoritmo basado en densidad, el proceso de asignación de puntos a agrupamientos y su aplicación tanto en conjuntos de datos sintéticos como reales con confianza.

Adquiera una comprensión sólida de los Modelos de Mezcla Gaussiana y cómo utilizan la probabilidad para modelar formas de clúster complejas. Explore los principios de la distribución gaussiana, analice el funcionamiento de los GMM y consolide conocimientos aplicándolos tanto a datos simulados como reales.

¿Cómo Funciona el Clustering Jerárquico?

Tipos de enlace

Dendrograma