运营同事把一份三千人的客户表推到你面前，问这些人能分成几类。这类分组任务如今常交给 AI 处理，可如果手里只有 K-means，你得先反问一句你想分几类，而对方常常答不上来。层次聚类绕开了这个死结：它把从人人各成一类到全体归为一类的所有中间状态一次算完，画成一棵树，类别数量留到看完结构之后再定。这篇讲清它按什么规则合并、树状图怎么读、哪些情况下它会给出看似合理却误导人的分组，以及它和 K-means、DBSCAN 在假设上的根本差别。
它把分几类这个决定往后挪
聚类任务里最难受的一步，往往是开口就要一个 K。K 定错了，后面的业务解释全跟着错，而且错得没有任何提示。层次聚类的处理方式是把这件事拆成两半：机器负责算出所有可能的层次，人负责在树上挑一个高度切开。这个顺序调换看着不起眼，实际影响很大——你先看到哪两拨人最近、它们又和谁更远，再决定切几刀，判断依据从凭感觉变成了看结构。代价是它必须把所有层次都保存下来，这也解释了后面要说的计算量问题。
合并规则决定树的形状
每次合并都要回答一个问题：两类之间隔多远。这个类间距离的定义有四种常见选法，选哪个直接决定树长什么样，很多人只调了样本和距离，却没意识到自己换的是假设。
| 连接准则 | 类间距离怎么算 | 倾向形成的簇 | 典型失效 |
|---|---|---|---|
| 单链 | 取两类中最近的一对点 | 细长的、串联的簇 | 两点间只要有一条密集通道，就会被连成一类 |
| 全链 | 取两类中最远的一对点 | 紧凑、大小接近的簇 | 大簇容易被拆开，长条结构识别不出来 |
| 平均链 | 取两类所有点对距离的平均 | 折中，相对稳健 | 对簇的尺度差异仍然敏感 |
| Ward | 选合并后组内方差增加最少的一对 | 球形、方差相近的簇 | 本质上仍假设簇是凸的，遇到环形结构会切错 |
四种准则没有优劣，只有匹配与否。同一份数据换一种连接方式，可能从三类变成七类，而你并没有改动任何一个样本。所以看到别人给的层次聚类结果，先问一句用的是哪种连接准则，比盯着树状图本身更能判断结论可不可信。距离本身怎么定义同样关键，欧氏距离和余弦距离在文本、嵌入向量上的表现差别很大，可参考 余弦相似度与欧氏距离的区别。
为什么早期的合并改不回来
层次聚类是贪心的：每一步只挑当下最近的两类合并，合完就不再回头。这个设计带来速度上的便利，也带来一个硬伤——第一步如果合错了，后面所有层次都建在这个错误之上，误差会沿着树往下传。想象整理一屋子档案，先把两份本不该放一起的材料装进同一个盒子，之后无论怎么整理上层目录，这个盒子里的内容都已经混了。K-means 反而没有这个包袱，它可以反复迭代、把点重新分配；层次聚类一旦合并，只能接受。
合并了就再也拆不回来
三个限制必须说清楚。计算量上，两两距离矩阵随样本数平方增长，常见实现是平方级空间、立方级时间，样本上万就开始吃力，这也是它在大数据场景里很少做首选的原因。稳健性上，单链对噪声极其敏感，一个孤立点就能把两团数据串起来；平均链和 Ward 好一些，但也谈不上免疫。解释性上，切几刀仍然是人定的，树状图只告诉你结构，不告诉你业务上该分几类，切在不同高度得到的结论可以完全不同，而没有一个内部标准能替你裁决。此外，它默认簇是距离近的一团，如果数据里根本没有簇结构，它照样会给你一棵漂亮的树——这是最危险的一种输出，因为图看起来永远合理。
什么时候选它，什么时候换掉
样本在几百到几千、又需要向别人解释类别之间的层次关系时，它很合适，比如少量客户的分群、基因表达谱的归类。数据量上去以后，通常换成 K-means，用速度换掉层次信息；数据里噪声多、簇形状不规则时，DBSCAN 更对路，它允许一部分点不属于任何簇。还有一种折中做法：先用层次聚类在小样本上看看大致该分几类，再把这个 K 交给 K-means 去跑全量，两边的好处各取一半。
看懂一张树状图能得到什么
对不写代码的人，树状图仍然有用，因为它把相似度变成了可以指着说的东西：这两类在很低的高度就合并了，说明它们几乎分不开；那两类要到很高的位置才并进来，说明差异明显。做业务判断时，这种结构信息比一个类别编号更有价值，它告诉你哪些群体是渐变的，哪些是断开的。真正的风险在于把树当成结论：树只是对你所选距离和连接准则的一次呈现，换个度量，故事可能就变了。
速查：层次聚类
- 两种方向：自底向上聚合（常用）、自顶向下分裂
- 四个关键选择：距离度量、连接准则、切树高度、是否标准化
- 成本量级：随样本数平方增长，上万样本慎用
- 最大风险：早期错误合并不可撤销，没有簇结构时也会输出一棵树
