Birch概述
Birch（利用层次方法的平衡迭代规约和聚类）：就是通过聚类特征(CF)形成一个聚类特征树，root层的CF个数就是聚类个数。
相关概念
聚类特征(CF)：每一个CF是一个三元组，可以用（N，LS，SS）表示。其中N代表了这个CF中拥有的样本点的数量；LS代表了这个CF中拥有的样本点各特征维度的和向量，SS代表了这个CF中拥有的样本点各特征维度的平方和。
图解过程
对于上图中的CF Tree，限定了B=7，L=5， 也就是说内部节点最多有7个CF(CF90下的圆)，而叶子节点最多有5个CF(CF90到CF94)。叶子节点是通过双向链表连通的。
Birch算法函数
sklearn.cluster.Birch
主要参数
n_clusters ：聚类的目标个数；（可选）
threshold ：扫描半径（个人理解，官方说法比较绕口），设置小了分类就多；
branches_factor：每个节点中CF子集群的最大数量,默认为50；
labels_ ：每个数据点的分类。
分享“TES工作室”公众号内容到3个500人以上的学校群聊或者朋友圈展示24小时，截图给客服，可以获取Python具体实现过程案例。
若有疑问可扫描文末二维码进群咨询。
出品/TES工作室
推荐阅读：