如何解决城市规划问题？
城市规划者们面临一个复杂问题：如何合理地规划土地，使商业、居民、公园和其他设施互相便利，同时又不互相干扰？解决这个问题不仅需要对土地进行精准的分类，还要考虑到土地之间的相互关系。
借助层次聚类算法（Agglomerative Clustering），规划者们可以将相似的土地区域聚合在一起，形成有层次的结构。例如，在纽约市的规划中，这种算法被用于将商业、居民、和休闲区域明确划分，同时考虑到交通便利性和环境保护。
| 区域类型 | 土地数量 | 交通便利性评分 |
|---|---|---|
| 商业 | 120 | 8 |
| 居民 | 450 | 5 |
| 公园 | 30 | 2 |
这样算法就成了解决复杂问题的“拼图大师”。
Agglomerative Clustering 层次聚类
层次聚类算法是一种将数据集中的样本根据相似性分组的算法。不同于K-means等需要预先设置群体数量的算法，层次聚类算法会生成一个“树状图”，从而可以更灵活地查看数据的层次结构。
层次聚类算法的核心是“距离度量”。两个样本之间的距离越小，它们就越相似。
距离 =
