{
  "id": "dendrogram",
  "title": "树状图",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "树状图用于表示嵌套群组的层次结构，通常展示各簇如何在不同相异度水平上合并或分裂。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [
    "聚类树状图",
    "聚类树",
    "谱系图"
  ],
  "generated_at": "2026-11-06",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/dendrogram/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/dendrogram/",
      "json": "https://aiwiki.page/en/dendrogram.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "树状图是一种树形图，用于表示嵌套群组的层次结构。它最常用于聚类分析，展示观测对象如何逐步合并为更大的簇，或划分为更小的簇。叶节点通常代表单个观测对象，内部节点则代表包含其下方所有叶节点的群组。在许多统计树状图中，每个内部节点的高度记录了相应群组合并时的相异度或聚类准则值。分支结构描述归属关系；若图中设有高度标尺，则还能提供定量信息。"
    },
    {
      "heading": "结构与解读",
      "text": "用图论的术语来说，树状图是一棵有根树。其主要组成部分包括：\n\n- **叶节点：**被分类的对象，如样本、物种、文档或变量。\n- **内部节点：**由较小的簇组成的簇。\n- **根节点：**包含图中所有对象的簇。\n- **分支：**表示簇之间嵌套关系的连线。\n- **节点高度：**当层次结构具有定量标尺时，为合并或分裂赋予的数值水平。\n\n树状图可以纵向、横向或放射状绘制。绘图方向不会改变层次结构。\n\n在常见的纵向树状图中，叶节点排列在底部，合并高度向上递增。如果两个观测对象在较低高度首次归入同一个簇，就表示在所选聚类方法下，两者关系密切。在较高位置发生合并，则说明该方法一直将相应群组分开，直到相异度或聚类代价达到较大值时才将它们合并。\n\n叶节点从左到右的排列顺序通常并不唯一。交换某个内部节点的两个子节点，既不会改变簇的成员归属，也不会改变合并高度。因此，位置相邻的标签所代表的对象未必相似，叶节点之间的水平距离通常也没有定量意义。解读时，应关注连接叶节点的分支，以及它们首次共有的节点的高度。\n\n因此，树状图并不是通常意义上将数据点绘制在坐标系中的图形：它的大部分几何特征取决于布局选择，而非直接表示测得的距离。"
    },
    {
      "heading": "通过层次聚类构建",
      "text": "统计树状图主要由层次聚类产生；这种方法得到的是嵌套群组，而不只是单一的划分。\n\n凝聚法\n\n凝聚聚类开始时，将 \\(n\\) 个观测对象各自视为一个簇。每一步都按照某种衡量簇间相异度的规则，选择一对簇进行合并。这一过程持续进行，直到所有观测对象归入同一个簇。\n\n如果每次都两两合并，最终树状图就有 \\(n\\) 个叶节点和 \\(n-1\\) 个内部节点。遇到并列情况时，可以按照具体实现所采用的规则处理，也可以表示为一次具有两个以上子节点的合并。\n\n输入通常是相异度矩阵 \\(D=(d_{ij})\\)，其中 \\(d_{ij}\\) 衡量观测对象 \\(i\\) 与 \\(j\\) 之间的差异程度。相异度可以来自欧几里得距离、相关关系的某种变换，或专为类别数据、序列数据及其他结构化数据设计的度量。它们不必满足度量空间中距离所需的全部条件。\n\n分裂法\n\n分裂聚类开始时，将所有观测对象归入同一个群组，然后反复将群组拆分为更小的群组。它同样会产生可用树状图展示的嵌套层次结构。分裂准则不必对应于任何凝聚式连接规则。\n\n其关键性质是嵌套性：一个群组一旦被划分，后续形成的群组就必须完全位于它的某个后代群组之内。层次结构不允许群组任意重叠。"
    },
    {
      "heading": "连接规则及其影响",
      "text": "在凝聚聚类中，连接规则定义了簇之间的相异度。对于相同的观测数据，不同规则可能产生差异显著的树状图。\n\n设 \\(A\\) 和 \\(B\\) 为两个簇，\\(d(x,y)\\) 表示观测对象之间的相异度。\n\n单连接法\n\n单连接法采用跨簇观测对象之间的最小相异度：\n\n\\[D_{\\mathrm{single}}(A,B) = \\min_{x\\in A,\\;y\\in B} d(x,y).\\]\n\n它能够识别细长或形状不规则的群组，但容易出现链化效应：一连串彼此接近的观测对象，可能将两端相距很远的群组连接起来。\n\n全连接法\n\n全连接法采用跨簇观测对象之间的最大相异度：\n\n\\[D_{\\mathrm{complete}}(A,B) = \\max_{x\\in A,\\;y\\in B} d(x,y).\\]\n\n它倾向于形成直径较小的群组，但单个距离较远的观测对象就可能显著影响某个簇何时合并。\n\n平均连接法\n\n一种常见的平均连接规则是，对所有跨簇观测对象之间的相异度取平均：\n\n\\[D_{\\mathrm{average}}(A,B) = \\frac{1}{|A||B|} \\sum_{x\\in A}\\sum_{y\\in B} d(x,y).\\]\n\n其中，\\(|A|\\) 和 \\(|B|\\) 是两个簇中的观测对象数量。这一规则不同于加权平均连接法；后者在更新时，无论此前形成的两个簇大小如何，都赋予它们相同的权重。\n\n沃德法\n\n沃德法选择使簇内离差平方和增量最小的合并。对于欧几里得空间中的观测对象，这一增量为\n\n\\[\\Delta(A,B) = \\frac{|A||B|}{|A|+|B|} \\left\\|\\bar{x}_A-\\bar{x}_B\\right\\|^2,\\]\n\n其中，\\(\\bar{x}_A\\) 和 \\(\\bar{x}_B\\) 为簇的质心。\n\n沃德法可以从最小二乘法的角度解释，倾向于形成紧凑的群组。其标准解释依赖于平方欧几里得距离的几何框架。不同软件的约定有所不同：显示的高度可能直接表示上述增量，也可能表示某种相关变换，因此不同实现的高度标尺不能直接互换。"
    },
    {
      "heading": "将树状图切分为若干簇",
      "text": "一张树状图同时表示多种可能的聚类结果。对于合并高度不递减的常规树状图，作一条水平切线，就能选出在该高度仍彼此分离的群组。\n\n每次切分都会产生观测对象的一个集合划分：每个观测对象恰好属于一个选定的簇。切分位置越低，通常得到的簇越多；切分位置越高，得到的簇越少。\n\n可以通过以下方式选择聚类结果：\n\n- 指定相异度阈值；\n- 指定所需的簇数；\n- 考察相邻合并高度之间的较大间隔；\n- 应用评价聚类质量或稳定性的外部准则。\n\n较大的垂直间隔可能提示一个有用的分界，但并不能证明某个簇数是唯一正确的选择。合并高度相同时，阈值切分还可能使簇数直接从一个值跳到另一个值。此时，若要得到介于两者之间的簇数，可能需要额外约定如何处理并列情况。\n\n某些连接方法，尤其是质心连接法和中位数连接法，可能产生倒置，即较晚发生的合并，其高度反而低于较早发生的合并。这类树状图仍能表示嵌套的成员归属关系，但按通常的水平切分方式解读时需要谨慎。"
    },
    {
      "heading": "数学解释",
      "text": "集合 \\(X\\) 上的有限层次结构，可以描述为一个由非空子集组成的集合族 \\(\\mathcal{H}\\)。该集合族包含 \\(X\\) 及其所有单元素子集，并且任意 \\(A,B\\in\\mathcal{H}\\) 都满足\n\n\\[A\\cap B=\\varnothing, \\qquad A\\subseteq B, \\qquad\\text{or}\\qquad B\\subseteq A.\\]\n\n这一嵌套条件将层次群组与任意重叠的集合族区分开来。\n\n假设该层次结构具有非负高度，且从任一节点向根节点移动时，高度不递减。对于不同的观测对象 \\(i\\) 和 \\(j\\)，将共表型相异度 \\(u(i,j)\\) 定义为包含两者的最小簇的高度。令 \\(u(i,i)=0\\)。则有\n\n\\[u(i,k)\\leq \\max\\{u(i,j),u(j,k)\\}.\\]\n\n这就是强三角不等式，也是超度量空间的特征。如果不同观测对象可以在零高度合并，那么这一构造得到的是伪超度量，而不是能够严格区分不同对象的超度量。\n\n因此，即便原始相异度不满足超度量条件，高度不递减的树状图仍表示了对数据的一种超度量描述。共表型值通常不同于原始的成对相异度：层次结构是对这些相异度的概括，而非精确保留。\n\n一种诊断方法是使用相关系数，比较原始相异度与共表型相异度。两者高度一致，说明树保留了成对关系结构的某些方面，但仅凭这一点，不能验证某个特定簇数或实质性解释是否合理。"
    },
    {
      "heading": "应用与相关图形",
      "text": "树状图广泛用于探索性统计学和机器学习。其应用包括文档分组、生态群落比较、化合物归类，以及考察变量之间的关系。\n\n在基因表达分析中，树状图常与热图并列展示。一个层次结构可以用于组织样本，另一个则用于组织基因或其他测量特征。由此形成的行列排列能够使某些模式显现出来，但显示出的块状结构取决于预处理和聚类方法的选择。\n\n树状图也与系统发育树相似，后者表示有关进化关系的假说。这两个术语并不能完全互换。统计聚类树状图并不天然证明共同祖先的存在，其合并高度也不一定代表进化时间或累积的进化变化。同样，组织结构图和其他分支图也可以展示层次结构，而不表示数值上的相异度。"
    },
    {
      "heading": "局限与解读",
      "text": "树状图既反映数据结构，也反映分析时所作的选择。\n\n**预处理很重要。**使用欧几里得距离时，如果某个变量的数值尺度远大于其他变量，而分析中又未妥善处理尺度问题，该变量就可能主导结果。数据变换、特征选择和缺失数据插补也可能改变层次结构。\n\n**连接规则规定了分组准则。**单连接法强调连通性，全连接法强调直径，沃德法强调组内的平方离散程度。它们产生的树状图回答的是操作定义不同的问题。\n\n**即使不存在泾渭分明的群组，也总能构造出层次结构。**聚类算法可以把来自连续分布的观测对象组织成树。图中存在分支，并不意味着底层总体中存在离散类别。\n\n**分支本身并不表达不确定性。**合并高度不是P值、置信水平，也不是某个簇真实存在的概率。基于自助采样或其他扰动的方法，可以评估稳定性的某些方面，但结果取决于重采样方案及其假设。\n\n**早期决策可能无法撤销。**标准凝聚法不会重新考虑此前的合并。因此，观测数据的微小变化或距离并列的情况，都可能改变树的后续部分。\n\n**大型树状图可能难以阅读。**截断和折叠分支可以提高可读性，但也会隐藏细节。调整叶节点顺序可以在不改变层次结构的前提下帮助比较，不过视觉上突出的模式也可能部分源于这种排序。\n\n**计算成本可能很高。**存储所有成对相异度所需的空间，与观测对象数量的平方成正比。运行时间取决于连接规则及其实现方式；在某些情形下，可以使用无需完整存储距离矩阵的算法。"
    }
  ],
  "links": [
    "cluster-analysis",
    "graph-theory",
    "hierarchical-clustering",
    "matrix",
    "euclidean-distance",
    "correlation",
    "metric-space",
    "euclidean-space",
    "least-squares",
    "set-partition",
    "triangle-inequality",
    "statistics",
    "machine-learning",
    "gene-expression",
    "phylogenetic-tree",
    "missing-data-imputation",
    "p-value",
    "bootstrap-sampling"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}