Som vanligt kommer du att använda 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.

Generera dummydata

Du kan använda funktionen make_blobs() från scikit-learn för att generera dataset med olika antal kluster och varierande grad av separation. Detta hjälper dig att se hur hierarkisk klustring presterar i olika scenarier.

Den generella algoritmen är följande:

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

2. Anpassa modellen till dina data;

3. Extrahera klusteretiketter om du bestämmer ett specifikt antal kluster;

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

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

Du kan även experimentera med olika länkningsmetoder (t.ex. single, complete, average, Ward's) och observera hur de påverkar klustringsresultaten och dendrogrammets struktur.