2024聚类算法讲义_第1页
2024聚类算法讲义_第2页
2024聚类算法讲义_第3页
2024聚类算法讲义_第4页
2024聚类算法讲义_第5页
已阅读5页，还剩6页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

K-MEANS聚类算法讲义K-MEANS算法K-MEANS算法K-MEANS算法K-MEANS算法聚类概念：无监督问题：我们手里没有标签了聚类：相似的东西分到一组难点：如何评估，如何调参基本概念：要得到簇的个数，需要指定K值质心：均值，即向量各维取平均即可距离的度量：常用欧几里得距离和余弦相似度（先标准化）优化目标：工作流程：K-MEANS算法K-MEANS算法DBSCAN算法DBSCAN算法复杂度与样本呈线性关系很难发现任意形状的簇复杂度与样本呈线性关系很难发现任意形状的簇密度可达：若有一个点的序列q0、q1、…qk，对任意qi-qi-1是直接密度可达的，则称从q0到qk密度可达，这实际上是直接密度可达的“传播”。密度可达：若有一个点的序列q0、q1、…qk，对任意qi-qi-1是直接密度可达的，则称从q0到qk密度可达，这实际上是直接密度可达的“传播”。优势：简单，快速，适合常规数据集劣势：K值难确定基本概念：（Density-BasedSpatialClusteringofApplicationswithNoise）核心对象：若某个点的密度达到算法设定的阈值则其为核心点。（即r邻域内点的数量不小于minPts）ϵ-邻域的距离阈值：设定的半径r直接密度可达：若某点p在点q的r邻域内，且q是核心点则p-q直接密度可达。DBSCANDBSCAN算法基本概念：密度相连：若从某核心点p出发，点q和点k都是密度可达的,则称点q和点k是密度相连的。边界点:属于某一个类的非核心点,不能发展下线了直接密度可达：若某点p在点q的r邻域内，且q是核心点则p-q直接密度可达。噪声点：不属于任何一个类簇的点，从任何一个核心点出发都是密度不可达的DBSCAN算法DBSCAN算法基本概念：A：核心对象B,C：边界点N：离群点DBSCAN算法工作流程：参数D：输入数据集参数ϵ：指定半径MinPts：密度阈值DBSCAN算法DBSCAN算法参数选择：半径ϵ，可以根据K距离来设定：找突变点K距离：给定数据集P={p(i);i=0,1,…n}，计算点P(i)到集合D的子集S中所有点之间的距离，距离按照从小到大的顺序排序，d(k)就被称为k-距离。MinPts：k-距离中k的值，一般取的小一些，多次尝试DBSCAN算法优势：不需要指定簇个数可以发现任意形状的簇擅长找到离群点（检测任务）劣势： clustering/高

人人文库> 全部分类> 专业文献 > IT计算机

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论