機器學習算法–無監督學習–聚類

---

一、原型聚類

特點：需要預先指定簇的個數K

1、K-Means

Python實現K-Means算法： Python實現K-Means算法

原理：從數據集中選擇K個樣本作為初始的K個簇中心，計算每個樣本與這K個簇中心的距離，把這個樣本劃分到與之距離最小的那個簇，直至每個樣本都被遍歷，計算每個簇的平均值作為新的簇的中心。不段迭代直至簇的中心不再被改變或達到迭代的終止條件。

2、LVQ（learning vector quantization）

3、高斯混合聚類（Mixture of Gaussian）

還沒研究

---

二、密度聚類（density-based clustering）

特點：不用預先指定簇的個數

DBSCAN: Density-Based Spatial Clustering of Applications with Noise

類似于用隊列實現廣度優先搜索算法

---

三、層次聚類（hierarchical clustering）

特點：需要預先指定簇的個數作為迭代的終止條件。有兩種策略：自底向上的聚合策略，自頂向下的分拆策略。

自底向上的聚合策略：把每個樣本初始化為一個簇，通過計算距離，對距離最小的兩個簇進行聚合，直到簇的個數減少到所要的K個簇。

類似于尋找最優編碼二叉樹的 Huffman’s Algorithm

---

總結

以上是生活随笔為你收集整理的机器学习算法--无监督学习--聚类的全部內容，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。