聚类

覆盖 k-means、DBSCAN、层次聚类等无监督学习方法。

本专题条目

5 篇文章与资料

01 1. 什么是聚类聚类 （clustering） 是一种无监督学习算法（unsupervised learning），训练样本的标记信息通常是未知的，它试图对无标记的训练样本进行学习，找到数据的内在性质和规律，将数据集划分成若干个通常是不 … Notebook 02 2. 聚类算法一览聚类算法非常多，更新也非常快，这是因为聚类不存在客观标准，给定数据集，总能从某个角度找到以往算法未覆盖的某种标准从而设计出新算法，相对其他机器学习算法而言，聚类的知识还不够系统化。 通过聚类得到的类或簇，本质是样本的子 … Notebook 03 3. k-means 算法k均值 （k means）算法最初由 MacQueen 在 1967 年提出，是最著名的原型聚类算法之一。假设样本集被划分为 k 类 ，我们可以计算出每个类的均值向量，也就是类的中心位置： 得到每个类的均值向量后，可以计 … Notebook 04 4. DBSCAN 算法原知识库中的待补充条目。 Notebook 05 5. 层次聚类算法层次聚类分为 聚合 （agglomerative）和 分裂 （divisive）两种方法，也称为 自下而上 （bottom up）和 自上而下 （top down）。聚合聚类开始将每个样本各自分到一个类，之后将相距最近的 … Notebook