HierarchicalClusteringTableExtensions

将特征矩阵形式的二维表转换为对称距离矩阵形式的二维表。

返回的新表中：features 为 n x n 的对称距离矩阵（对角线为 0）， rowNames 与 featureNames 均为样本名，并继承源表的标签列与名称/描述信息。

 Dim dist = x.distanceMatrix()
 Dim tree = dist.hca()

距离矩阵形式的二维表

对距离矩阵形式的二维表执行凝聚层次聚类，返回聚类树（dendrogram）。

注意：传入的 NumericTable 必须是距离矩阵！ 如果 source 是原始的特征矩阵，请先调用 HierarchicalClusteringTableExtensions.distanceMatrix() 将特征矩阵转换为距离矩阵形式的二维表， 然后再进行层次聚类：

 Dim dist = x.distanceMatrix()
 Dim tree = dist.hca()

层次聚类树（根节点）

对距离矩阵形式的二维表执行层次聚类，并按照目标簇数量 k 切分聚类树， 将得到的类编号写入 cluster 标签列之后返回原表。

注意：传入的 NumericTable 必须是距离矩阵！ 如果 source 是原始的特征矩阵，请先调用 HierarchicalClusteringTableExtensions.distanceMatrix() 进行转换：

 Dim flat = x.distanceMatrix().hcut(k:=3)

写入 cluster 标签之后的原表对象

对距离矩阵形式的二维表执行层次聚类，并按照距离阈值 threshold 切分聚类树（复用既有的扁平切分实现），将得到的类编号写入 cluster 标签列之后返回原表。

注意：传入的 NumericTable 必须是距离矩阵！ 如果 source 是原始的特征矩阵，请先调用 HierarchicalClusteringTableExtensions.distanceMatrix() 进行转换：

 Dim flat = x.distanceMatrix().hcut(threshold:=5.0)

写入 cluster 标签之后的原表对象

面向大规模数据集的近似层次聚类入口（BIRCH 预聚类 + 凝聚层次聚类）。

与 HierarchicalClusteringTableExtensions.hca() 不同，这里接收的是特征矩阵（而非距离矩阵），并且 不会构造 n×n 距离矩阵：先用 BIRCH CF-tree 把 n 个样本压缩成 m 个子簇 （m 由 BirchOptions.targetSubclusters 控制），再对子簇质心执行 凝聚层次聚类。因此适用于 2 万样本以上的大数据集。

 Dim tree = x.hcaApprox()

以子簇为叶节点的层次聚类树（dendrogram）

面向大规模数据集的近似层次聚类并按目标簇数量 k 切分， 将得到的类编号写入 cluster 标签列之后返回原表。

输入为特征矩阵，内部使用 BIRCH 预聚类，不会构造 n×n 距离矩阵。 注意：k 的上限是 BIRCH 实际产生的子簇数量 m； 若 k 大于 m，则最多只能切分出 m 个簇。

写入 cluster 标签之后的原表对象

面向大规模数据集的近似层次聚类并按距离阈值切分，将类编号写入 cluster 标签列后返回原表。

输入为特征矩阵，内部使用 BIRCH 预聚类，不会构造 n×n 距离矩阵。 注意：此处的阈值作用于子簇质心之间的连接距离，与原始样本距离的尺度不同。

写入 cluster 标签之后的原表对象

在子簇质心上执行（优化后的）凝聚层次聚类

校验目标表是否为距离矩阵（方阵），并给出醒目的转换提示

获取唯一的样本名数组（距离矩阵的行列名以及层次聚类的输入都要求样本名唯一）

按目标簇数量对聚类树进行切分：反复挑选“叶数最多且仍然可以分裂”的节点， 用其子节点替换之，直到簇的数量达到 k 或者已经没有可分裂的节点。

将扁平化的簇集合写入 cluster 标签列并返回原表

递归的收集一个簇（子树）之中所有叶节点的名称

校验并获取特征矩阵（近似通道的输入是特征矩阵，而不是距离矩阵）

计算子簇质心之间的对称欧氏距离矩阵（m x m，m 为子簇数量，远小于样本数 n）

将子簇级别的扁平簇结果展开回原始样本，写入 cluster 标签列