层次聚类

 层次聚类，是一种很直观的算法。顾名思义就是要一层一层地进行聚类，可以从下而上地把小的cluster合并聚集，也可以从上而下地将大的cluster进行分割。似乎一般用得比较多的是从下而上地聚集，因此这里我就只介绍这一种。

  所谓从下而上地合并cluster，具体而言，就是每次找到距离最短的两个cluster，然后进行合并成一个大的cluster，直到全部合并为一个cluster。整个过程就是建立一个树结构，类似于下图。

 K-means VS 层次聚类？
① K-means这种扁平聚类产出一个聚类结果(都是独立的)
② 层次聚类能够根据你的聚类程度不同，有不同的结果
③ K-means需要指定聚类个数K，层次聚类不用
④ K-means比层次聚类要快一些(通常说来)
⑤ K-means用的多，可以用K- Median
  
1 你认为层次聚类算法适合Map-Reduce化吗？如果觉得不适合，请讲讲理由，如果觉得适合，请构造相应的Map-Reduce算法

原始的层次聚类算法不适合。
比如需要计算的点有1亿个（10的8次方），那么层次聚类第一次迭代就需要计算1亿乘一亿（即10的16次方）等于一万万亿次，计算量太过庞大。
基于 MapReduce 的基因数据密度层次聚类算法
摘要 ：随着生物信息技术的快速发展 ，基因表达数据的规模急剧增长 ，这给传统的基因表达数据聚
类算法带来了严峻的挑战 ．基于密度的层次聚类（DHC）能够较好地解决基因表达数据嵌套类问题
且鲁棒性较好 ，但处理海量数据的效率不高 ．为此 ，提出了基于 MapReduce 的密度层次聚类算
法 ——— DisDHC ．该算法首先进行数据分割 ，在每个子集上利用 DHC 进行聚类获得稀疏化的数据 ；
在此基础上再次进行 DHC 聚类 ；最终产生整体数据的密度中心点 ．在酵母数据集 、酵母细胞周期
数据集 、人血清数据集上进行实验 ，结果表明 ，DisDHC 算法在保持 DHC 聚类效果的同时 ，极大地
缩短了聚类时间 ．
关键词 ：MapReduc