Существует два основных подхода к иерархической кластеризации данных: 1

1. Агломеративный. 1 В начале работы алгоритма каждый объект рассматривается как отдельный кластер. 1 Затем кластеры последовательно объединяются на основе их сходства, пока все объекты не окажутся в одном большом кластере. 1
2. Дивизивный. 1 В начале работы алгоритма все объекты принадлежат одному кластеру, который на последующих шагах делится на меньшие кластеры, в результате образуется последовательность расщепляющих групп. 3

Каждый из этих методов имеет свои особенности и применяется в зависимости от конкретной задачи и характера данных. 1

Агломеративный подход работает по принципу «снизу-вверх»: каждое наблюдение начинается в своём кластере, а пары кластеров объединяются по мере движения вверх по иерархии. 4

Дивизивный подход работает по принципу «сверху-вниз»: все наблюдения начинаются в одном кластере, а разделения выполняются рекурсивно по мере движения вниз по иерархии. 4