Hierarchical Clustering Technique ทำงานโดย Combine Data Objects เข้าเป็น Tree of Clusters Hierarchical Clustering Algorithms เป็น Top-down หรือ Bottom-up Quality ของ Authentic Hierarchical Clustering Method ทำให้เสื่อมลงจาก Inability ในการ Implement Adjustment หลังจาก Merge หรือ Split Decision เสร็จสิ้น
Merging ของ Clusters Base บน Distance ระหว่าง Clusters Measures ที่ใช้กว้างขวางสำหรับ Distance ระหว่าง Clusters ดังนี้ โดย mi = Mean สำหรับ Cluster Ci, ni = จำนวน Points ใน Ci, และ |p - p'| = Distance ระหว่าง 2 Points p และ p'
Types of Hierarchical Clustering Methods
1. Agglomerative Hierarchical Clustering (AHC)
AHC เป็น Bottom-up Clustering Method ที่ Clusters มี Sub-clusters ซึ่งมี Sub-clusters ต่อไป เริ่มจากวางแต่ละ Object ใน Cluster ของมันเอง แล้ว Merge Atomic Clusters เข้าเป็น Larger Clusters ซ้ำๆ จน All Objects ใน Single Cluster หรือจนกว่า Termination Condition จะ Satisfy Most Hierarchical Clustering Methods Applied เป็น Type นี้ พวกมัน Distinct เฉพาะใน Definition ของ Between-cluster Similarity
ตัวอย่าง: Method ชื่อ AGNES (Agglomerative Nesting) ใช้ Single-link Techniques ทำงานดังนี้: Consider Set of Objects วางใน Rectangle เริ่มต้นแต่ละ Object วางใน Cluster ของตัวเอง แล้ว Clusters Merge Step-by-step ตาม Principle เช่น Merge Clusters ที่มี Minimum Euclidean Distance ระหว่าง Closest Objects ใน Cluster
2. Divisive Hierarchical Clustering (DHC)
DHC เป็น Top-down Approach และ Less Commonly Used ทำงานวิธีเดียวกับ Agglomerative แต่ Opposite Direction Method นี้เริ่มจาก Single Cluster ที่มี All Objects แล้ว Successively Split Resulting Clusters จนเหลือ Clusters ของ Single Objects เท่านั้น หรือจน Termination Condition Satisfy รวมถึง Desired Number of Clusters ได้ หรือ Distance ระหว่าง 2 Closest Clusters อยู่เหนือ Specific Threshold Distance
Divisive Methods ไม่ Generally Available และ Rarely Used เพราะ Difficulty ของ Making Right Decision ของ Dividing ที่ High Level DIANA (Divisia Analysis) เป็นตัวอย่าง Divisive Hierarchical Clustering Method ทำงาน Opposite Order เริ่มต้น All Objects ใน One Cluster แล้ว Cluster Split ตาม Principle เช่น Split Clusters ตาม Maximum Euclidean Distance ระหว่าง Closest Neighboring Objects ใน Cluster
