赞
踩
在无监督的学习中,训练样本的标记信息是未知的,目标是通过对无标记训练样本的学习来揭露数据的内在性质及规律,为进一步的数据的分析提供基础,此类学习任务中研究最多、应用最广泛的是聚类。
聚类试图将数据集中的样本划分为若干个通常是不相交的子集,每个子集称为一个簇,通过这样的划分,每个簇可能对应于一些潜在的类别。聚类过程仅能自动形成簇结构,簇对应的概念语义需由使用者来把握和命名。
下面讨论聚类算法涉及的两个基本问题——性能度量和距离计算
性能度量也称为聚类的 “有效性指标”,在聚类结果中,我们需通过某种性能度量来评估其好坏,另一方面,若明确了最终将要使用的性能度量,则可直接将其作为聚类过程的优化目标,从而得到符合要求的聚类结果。聚类将样本集 D 划分为若干互不相交的子集,即样本簇,我们希望同一簇的样本尽可能彼此相似,不同簇的样本尽可能不同。
聚类性能指标大致分为两类——外部指标、内部指标
1.外部指标
指将聚类结果与某个 “参考模型” 进行比较。
则外部指标主要有:
上述性能度量的结果值均在 [0,1] 区间,值越大越好。
2.内部指标
则内部指标主要有:
DBI 的值越小越好,DI 的值越大越好。
距离度量需要满足一些基本性质:
我们常将属性划分为 ”连续属性“ 和 ”离散属性“,前者在定义域有无穷多个取值,后者在定义域有有限个取值。在讨论距离计算时,可以再属性上计算距离的为 ”有序属性“,例如定义域 {1,2,3} 的离散属性和连续属性的性质更接近一些,可以直接计算。而定义域 {飞机、火车、轮船} 这样的离散属性不能直接计算距离,称为 ”无序属性“。
常用的有序属性:
常用的无序属性:
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。