O algoritmo pode começar com cada ponto em seu próprio grupo e, sucessivamente, uni-los (agrupamento aglomerativo), ou começar com todos os pontos em um único grupo e dividi-los recursivamente em grupos menores (agrupamento divisivo).

Como o agrupamento aglomerativo é a abordagem mais utilizada, focaremos nele.

O tipo mais comum de agrupamento hierárquico é a abordagem bottom-up. O algoritmo segue os seguintes passos:

1. Inicialização: cada ponto de dado é tratado como um grupo único;

2. Calcular matriz de proximidade: calcular a distância entre cada par de grupos;

3. Unir grupos: os dois grupos mais próximos são unidos em um único grupo;

4. Atualizar matriz de proximidade: recalcular as distâncias entre o novo grupo e todos os grupos restantes;

5. Repetir: os passos 3 e 4 são repetidos até que todos os pontos de dados estejam unidos em um único grupo.

Tipos de Ligação

A proximidade entre dois clusters é definida pelo tipo de ligação. Métodos comuns de ligação utilizados na clusterização hierárquica incluem:

• Ligação simples: a distância entre os dois pontos mais próximos nos dois clusters;

• Ligação completa: a distância entre os dois pontos mais distantes nos dois clusters;

• Ligação média: a distância média entre todos os pares de pontos nos dois clusters;

• Método de Ward: minimiza o aumento da variância total dentro do cluster ao unir dois clusters.

A escolha do método de ligação pode impactar a forma e a estrutura dos clusters resultantes. Experimentação e conhecimento do domínio frequentemente auxiliam na seleção do melhor método para seus dados.

Dendrograma

Os resultados da clusterização hierárquica são frequentemente visualizados utilizando um dendrograma.