Som vanligt används följande bibliotek:

• sklearn för att generera dummydata och implementera hierarkisk klustring (AgglomerativeClustering);

• scipy för att generera och arbeta med dendrogrammet;

• matplotlib för att visualisera kluster och dendrogram;

• numpy för numeriska operationer.

Generering av dummydata

Funktionen make_blobs() från scikit-learn kan användas för att skapa dataset med olika antal kluster och varierande grad av separation. Detta möjliggör observation av hur hierarkisk klustring presterar i olika scenarier.

Den allmänna algoritmen är följande:

1. Instansiera ett AgglomerativeClustering-objekt och ange länkningsmetod samt andra parametrar;

2. Anpassa modellen till data;

3. Extrahera klusteretiketter om ett specifikt antal kluster anges;

4. Visualisera klustren (om data är 2D eller 3D) med spridningsdiagram;

5. Använd SciPy:s linkage för att skapa länkningsmatrisen och därefter dendrogram för att visualisera dendrogrammet.

Det går även att experimentera med olika länkningsmetoder (t.ex. single, complete, average, Ward's) och observera hur dessa påverkar klustringsresultaten och dendrogrammets struktur.