Som vanlig bruker du følgende biblioteker:

• sklearn for å generere dummy-data og implementere hierarkisk klynging (AgglomerativeClustering);

• scipy for å generere og arbeide med dendrogrammet;

• matplotlib for å visualisere klynger og dendrogrammet;

• numpy for numeriske operasjoner.

Generering av dummy-data

Du kan bruke funksjonen make_blobs() fra scikit-learn for å generere datasett med forskjellig antall klynger og varierende grad av separasjon. Dette hjelper deg å se hvordan hierarkisk klynging presterer i ulike scenarier.

Den generelle algoritmen er som følger:

1. Instansier AgglomerativeClustering-objektet, og spesifiser koblingsmetode og andre parametere;

2. Tilpass modellen til dataene dine;

3. Du kan hente ut klyngeetiketter hvis du bestemmer deg for et spesifikt antall klynger;

4. Visualiser klyngene (hvis dataene er 2D eller 3D) ved hjelp av spredningsdiagrammer;

5. Bruk SciPy sin linkage for å lage koblingsmatrisen og deretter dendrogram for å visualisere dendrogrammet.

Du kan også eksperimentere med ulike koblingsmetoder (f.eks. single, complete, average, Ward's) og observere hvordan de påvirker klyngeresultatene og strukturen til dendrogrammet.