این پروژه نحوه پیاده‌سازی خوشه‌بندی سلسله‌مراتبی را با استفاده از دو روش تجمعی (از پایین به بالا) و تقسیم‌کننده (از بالا به پایین) توضیح می‌دهد. خوشه‌بندی سلسله‌مراتبی روشی برای گروه‌بندی داده‌ها است که یک سلسله‌مراتب از خوشه‌ها ایجاد می‌کند و برای تحلیل‌های داده‌ای و کاوش داده‌ها کاربرد دارد.

• خوشه‌بندی تجمعی: رویکرد از پایین به بالا که در آن هر داده به عنوان یک خوشه مجزا شروع می‌شود و خوشه‌های نزدیک به هم ترکیب می‌شوند.
• خوشه‌بندی تقسیم‌کننده: رویکرد از بالا به پایین که تمام داده‌ها ابتدا در یک خوشه قرار می‌گیرند و سپس به طور بازگشتی تقسیم می‌شوند.
• K-Means بازگشتی برای خوشه‌بندی تقسیم‌کننده: از K-Means برای تقسیم خوشه‌ها به دو بخش استفاده می‌شود.

• هر داده به طور جداگانه به عنوان یک خوشه شروع می‌شود.
• در هر مرحله، خوشه‌های نزدیک به هم ترکیب می‌شوند.

• ابتدا همه داده‌ها در یک خوشه قرار می‌گیرند.
• با استفاده از روش بازگشتی و تقسیم خوشه‌ها، داده‌ها به خوشه‌های کوچکتر تقسیم می‌شوند.

• خوشه‌ها با استفاده از ابزارهای تصویری مانند نمودار دندروگرام نمایش داده می‌شوند.
• نتایج خوشه‌بندی می‌توانند از طریق ارزیابی‌های بصری یا معیارهایی مانند نمره سیلوئت بررسی شوند.

این پروژه ابزاری مفید برای تحلیل داده‌ها و کشف ساختار داخلی آن‌ها از طریق خوشه‌بندی سلسله‌مراتبی فراهم می‌آورد.