单链聚类（Single-Linkage Clustering）是一种基于距离的聚类算法，它是层次聚类方法中的一种。在这种聚类方法中，两个数据点之间的距离是由它们最近共同祖先的距离来决定的。具体来说，单链聚类的核心思想是：
1. 初始化：将每个数据点视为一个单独的簇。
2. 迭代合并：在每一轮迭代中，找到距离最近的两个簇，并将它们合并成一个簇。
3. 距离计算：在合并过程中，使用最近共同祖先的距离来计算两个簇之间的距离。具体来说，对于两个簇A和B，它们的距离是A中所有点到B中最近点的距离的最小值。
4. 重复：重复步骤2和3，直到所有的数据点都合并成一个簇。
单链聚类的优点是简单易实现，但它的一个主要缺点是它对噪声和异常值非常敏感，因为这种算法倾向于形成“长而细”的簇，这意味着它可能会将远离其他点的点错误地归类到簇中。
在单链聚类中，簇的合并过程可以形成一个树形结构，称为谱系树（Dendrogram）。这个树展示了簇是如何一步步合并的，以及每个簇的祖先簇。
总结来说，单链聚类是一种基于最小距离的聚类方法，它通过迭代地将距离最近的簇合并来形成最终的聚类结果。
