一种树枝图（从希腊语Dendro“树”和Gramma“绘图”）是广泛用于说明由分层聚类产生的集群的布置的树图。分层聚类算法以各个集群中的每个对象开头。在每个步骤中，最相似的两个群集连接到一个新群集中。一旦融合，对象永远不会分开。树木图通常用于计算生物学，以说明基因，蛋白质，代谢物或样品的聚类。

使用欧几里德或曼哈顿距离的分层群集距离方法。欧几里德距离更广泛地使用。欧几里德距离可以被认为是直线距离。曼哈顿距离通常被称为城市 - 块距离，因为它类似于沿着虚构的人行道行走，从点A到B.

以下是最常用的方法，可以代表八种定义群集之间的相似性的方法：

• 平均值（加权对组）
• 群体平均值（未加权对组）
• 单连杆（最近邻居）
• 完全联系（最远邻居）
• 灵活的策略要求距离方法成为欧几里德
• 病房的最小方差需要距离方法是欧几里德
• 中位数（加权对 - 组质心）要求距离方法是欧几里德的
• 质心（未加权对集针质心）要求距离方法成为欧几里德

上述树形图的水平轴表示不同簇之间的距离或异化。垂直轴表示簇和物体。研究人员的主要兴趣在于相似性和聚类。通过将水平线分成两条水平线，通过将水平线分成两个曲线在该图中表示两个簇的每个连接。短垂直条示出的分体的水平位置给出了两个簇之间的距离（异化性）。

如何下订单：

*如果您的组织需要签署保密协议，请通过电子邮件与我们联系