Come di consueto, utilizzerai le seguenti librerie:

• sklearn per generare dati fittizi e implementare il clustering gerarchico (AgglomerativeClustering);

• scipy per generare e lavorare con il dendrogramma;

• matplotlib per visualizzare i cluster e il dendrogramma;

• numpy per operazioni numeriche.

Generazione di dati fittizi

È possibile utilizzare la funzione make_blobs() di scikit-learn per generare dataset con diversi numeri di cluster e vari gradi di separazione. Questo ti aiuterà a osservare come il clustering gerarchico si comporta in diversi scenari.

L'algoritmo generale è il seguente:

1. Si istanzia l'oggetto AgglomerativeClustering, specificando il metodo di collegamento e altri parametri;

2. Si adatta il modello ai dati;

3. È possibile estrarre le etichette dei cluster se si decide un numero specifico di cluster;

4. Si visualizzano i cluster (se i dati sono 2D o 3D) utilizzando grafici a dispersione;

5. Si utilizza la funzione linkage di SciPy per creare la matrice di collegamento e poi dendrogramma per visualizzare il dendrogramma.

È inoltre possibile sperimentare diversi metodi di collegamento (ad esempio, single, complete, average, Ward) e osservare come influenzano i risultati del clustering e la struttura del dendrogramma.