凝聚法分层聚类中有一堆方法可以用来算两点(pair)之间的距离：欧式，欧式平方，manhattan等，还有一堆方法可以算类(cluster)与类之间的距离，什么single-linkage、complete-linkage、还有这个ward linkage。(即最短最长平均，离差平方和)

其他的好像都挺好理解，就是最后这个有点麻烦。。。

这个方法说白了叫离差平方和(这是个啥？)。是ward写那篇文章时候举的一个特例。这篇文章是说分层凝聚聚类方法的一个通用流程。在选择合并类与类时基于一个object function optimise value，这个object function可以是任何反应研究目的的方程，所以许多标准的方法也被归入了。为了阐明这个过程，ward举了一个例子，用的object function 是error sum of squares(ESS)，这个例子就成为ward's method。

找了N多资料，终于把这个算法的过程搞清楚了。首先输入的是一个距离矩阵，知道每两个点之间的距离。然后初始化是每个点做为一个cluster，假设总共N组，此时每个组内的ESS都是0，ESS的公式，如下(从原稿《Hierarchical Grouping To Optimize An Objective Function》上摘的)：

我当时还有点蒙ESS是个啥？——我现在知道了，凡是蒙的都是概率没学好(我是说我)……先从wiki上转个公式过来：

这是方差的公式，写的再通俗点，就是：

等号两边同时乘上n，好了，你应该知道ESS是啥了——ESS就是【方差×n】！so easy了～～

但是等下——这看起来是个一维的公式啊——因为你已经知道ESS是【方差×n】了，那多维的还不会算吗？先求所有点的均值点

，然后再算所有点到这个均值点(central)的距离(距离公式你得自己定，见开头，但是最后算出来就是一个数)，然后把所有距离平方后加起来(此时即为方差乘上n)，就得到ESS了。

说了半天光说ESS了，列位看官，人只有一张嘴，故ESS此处按下不表，接着说ward method。ward method是要求每次合并后ESS的增量最小，这怎么讲呢？还是上图吧(图是从youtube上的一个教程里截的)：

只看最下面ward's method的两个图好了，先看下面的图，合并前红色组和黄色组分别能算各自的ESS，总的ESS是什么呢？很简单，加起来就好了，即：

ESS(总-合并前)=ESS(红)+ESS(黄)+ESS(其他没画出来的组)

如果合并这两个组，则可以作为一个新组再算一个ESS，此时

ESS(总-合并后)=ESS(红黄)+ESS(其他没画出来的组)

你注意这里还没有真的合并，只是算了一下合并红黄两组的“成本”(即：ESS(总-合并后)-ESS(总-合并前)，当然这个成本肯定是增加的)，如果总共有N个组，必须把每两个组合并的成本都算一遍，也就是算N×(N-1)/2个数出来，然后找里面合并后成本最小的两组合并。然后再重复这个过程。

我说清楚了吧！？

嗯，至于画的那个树状图的高度，可以认为是上面说的这个“成本”。

对了，还得说一下这个公式：

啥意思呢，就是说，如果用ward's method来度量两个cluster之间的距离，那么两个cluster之间的距离就是把这两个cluster合并后新cluster的ESS，其中x就表示合并前两个cluster中所有点，而

就是合并后那个新cluster的中心点(均值点)，

就表示每个点x到中心点的距离，平方后加起来，就是ESS了。

好了，总结一下，ward's method是凝聚法分层聚类中一种度量cluster之间距离的方法。按照这个方法，任意两个cluster之间的距离就是这两个cluster合并后新cluster的ESS

摘要: ward linkage method是什么不介绍了，只说下怎么算，有一个快速的计算方法叫Lance-Williams Algorithm可以大大简化ward method的计算

ward's method是分层聚类凝聚法的一种常见的度量cluster之间距离的方法，其基本过程是这样的(参考：http://blog.sciencenet.cn/blog-2827057-921772.html )

计算每个cluster的ESS

计算总的ESS

枚举所有二项cluster【N个cluster是N*(N-1)/2个二项集】，计算合并这两个cluster后的总ESS值

选择总ESS值增长最小的那两个cluster合并

重复以上过程直到N减少到1

这个方法其实效率比较低，特别是算cluster的ESS值还要先求均值点，然后算距离的平方再求和，不过有一个快速的计算方法叫Lance-Williams Algorithm可以大大简化ward method的计算。先来一个图(来源：https://www.youtube.com/watch?v=aXsaFNVzzfI

然后你其实可以发现，这个算法简化的是合并后更新ESS的那部分过程，比如有ABCDE五个cluster，合并了AB，那么后面要更新CDE到这个AB的距离，怎么算？ESS呗——平方和——好复杂！

那用这个新算法怎么算？答，新算法可以不用ESS的公式计算ESS，直接套用上面那个公式(注意最后绝对值里面应该一个i一个j，他写错了)。初始的ESS由两点之间的距离决定——所以就是说完全不需要算ESS了！

好了，试着写一下算法：输入是一个距离矩阵，输出是一个合并序列[(cluster1id, cluster2id, distance), ...]

clusterDistance=dict() #存放cluster之间的距离，形如'1-2':3表示cluster1与cluster2之间的距离为3

clusterMap=dict() #存放cluster的情况，形如'1':4表示cluster1里面有4个元素(样本)

clusterCount=0 #每合并一次生成新的序号来命名cluster

defward_linkage_method(distance_matrix):

N=len(distance_matrix)

clusterCount=N-1

for i in range(0,N-1):

for j in range(i,N):

name=getName(i,j)

clusterDistance[name]=distance_matrix[i][j]

for k in range(0,N):

clusterMap[k]=1

while True:

# 查找距离最短的两个cluster

# clusterDistance里面有冗余(即合并后之前的距离仍在，

# 所以循环以clusterMap为准，这个里面没有冗余。

tmp=max(clusterDistance.values())

clusterList = clusterMap.keys()

clusterListLength=len(clusterList)

for iii in range(0, clusterListLength-1):

for jjj in range(iii+1, clusterListLength):

name=getName(clusterList[iii], clusterList[jjj])

if tmp > clusterDistance[name]:

i=iii

j=jjj

tmp=clusterDistance[name]

ni=clusterMap[i] # 第i个cluster内的元素数

nj=clusterMap[j]

del clusterMap[i] # 删掉原来的cluster

del clusterMap[j]

clusterCount+=1 # 新增新的cluster

clusterMap[clusterCount]=ni+nj #新cluster的元素数是之前的总和

print i,j,'->',clusterCount,tmp # 输出合并信息:i,j合并为clusterCount，合并高度(距离)为tmp

if len(clusterMap)==1:break # 合并到只剩一个集合为止，然后退出

# 更新没合并的cluster到新合并后的cluster的距离

for k in clusterMap.keys():

if k==clusterCount:continue

else: # 计算新的距离

nk=clusterMap[k]

alpha_i=(ni+nk)/(ni+nj+nk)

alpha_j=(nj+nk)/(ni+nj+nk)

beta= -nk/(ni+nj+nk)

newDistance = alpha_i * clusterDistance[getName(i,k)]

newDistance += alpha_j * clusterDistance[getName(j,k)]

newDistance += beta * clusterDistance[getName(i,j)]

# 把新的距离加入距离集合

clusterDistance[getName(clusterCount,k,'.')]=newDistance

defgetName(i,j):

t=[i,j]

t.sort()

return t[0]+'-'+t[1]

当然了，这段代码只是一个示意，可以改进的地方还很多。

转载本文请联系原作者获取授权，同时请注明本文来自宋景和科学网博客。

链接地址：http://blog.sciencenet.cn/blog-2827057-921772.html