Cluster computing 将面分组
数据: 2328568501515627770 2328529760910617771 100.0 2328529760910617771 232856851051627770 100.0 2328529760910617771 232853005299683930 99.976524 2328529760910617771 232851483589926050199.69356 2328529760910617771 23285153726841781 98.76936 2328529760910617771 23285132252005201 98.741165 2328529760910617771 23285149431874457 98.6116 2328529760910617771 23285158021809084 98.47021 2328529760910617771 23285145136907144 98.156456 2328529760910617771 2328515089302332012 97.53229 2328529760910617771 23285153726841775 97.449005 2328568515627770 2328530052968930 99.976524 232853005299683930 2328529760910617771 99.976524 232853005296883930 232856851051627770 99.976524 23285300529683930 232851483589926050199.68713 23285300529683930 232851322252005201 98.70858 23285300529683930 23285158021809084 98.612816 23285300529683930 23285153726841781 98.59485 23285300529683930 23285149431874457 98.43197 23285300529683930 23285145136907144 98.12278 23285300529683930 2328515089302332012 97.5466 23285300529683930 23285153726841775 97.299934 2328515153726841775 23285685501515627770 97.44901 23285153726841775 2328530052983930 97.299934 23285153726841775 232851483589926050197.28116 23285153726841775 23285149431874457 96.93521 第一列是面id 第二列是匹配的面id 第三列是相似性得分Cluster computing 将面分组,cluster-computing,grouping,cluster-analysis,face,Cluster Computing,Grouping,Cluster Analysis,Face,数据: 2328568501515627770 2328529760910617771 100.0 2328529760910617771 232856851051627770 100.0 2328529760910617771 232853005299683930 99.976524 2328529760910617771 232851483589926050199.69356 2328529760910617771 23285153726841781 98.76936 23285297609
编辑:如何在上述数据集上应用分层聚类。所有相似性都远远大于80%
所以所有的东西都是一个簇。我已经编辑了这个问题。我的目的是想知道如何在上面的数据集上应用分层聚类。将数据加载到矩阵中,调用聚类函数以获得相似性。