kmeans算法過程
kmeans++與kmeans不同之處在于初值的選擇上。
距離度量方式
K-Means聚類算法原理
用scikit-learn學習K-Means聚類
BIRCH聚類算法原理
scikit-learn之BIRCH類
DBSCAN密度聚類算法
用scikit-learn學習DBSCAN聚類
譜聚類（spectral clustering）原理總結
用scikit-learn學習譜聚類

各向異性，馬氏距離

初始的簇心相距較遠




將距離轉成概率，以概率選擇相應距離的點

不平衡數據的分類問題：把少類看成噪聲，去除噪聲

默認每個類別屬于方差相同的高斯分布——>k-means minibatch方法

K值的選擇

輪廓系數

層次聚類算法

總結

以上是生活随笔為你收集整理的聚类算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。