机器学习-06-聚类算法总结

聚类总结

1.聚类 机器学习 任务

聚类 无label的
分类 label是离散的
回归 label是连续的

2.聚类算法-kmeans 划分聚类

思想：
D中选取k个作为初始质心
repeat
计算所有点与质心的距离，分到近的质心簇
更新簇之间的质心
until 质心不改

不足：
受到初始质心的位置的影响
受到k值得影响

评价：轮廓系数
簇内的密集 不同簇之间差异大

3.聚类算法-层次聚类

方法：自底向上凝聚法 自顶向下分裂法
效果：实现一个门纲目科属种的层次结构

4.自底向上凝聚法

思路：
每个簇都是独立的，
计算数据间的相识度矩阵
repeat
把最相似的合为一个簇
更新相似度矩阵
until 簇为1

5.自顶向下分裂法

思路：

相似度计算法方法：
单链接最近的点 全连接最远的点 组平均所有点的平均

DBSCAN算法：

邻域：距离x点在e内的
核心点：邻域之内的样本点>=MINpts
边界点：邻域之内的样本点<MINpts
直接密度可达：Xj位于Xi的邻域内，Xi是核心点，那么Xi与Xj是直接密度可达
密度可达：Xj位于Xi的邻域内，Xi是核心点，那么Xi与Xj是直接密度可达
密度相连：有共同的密度可达点

簇：所有密度相连的样本点集合

思想：