1. 聚類分析僅根據在數據中發現的描述對象及其關系的信息，將數據對象分組。

其目標是組內的對象相互之間是相似的或者相關的，而不同組中的對象是不同的或者不相關的。

2.聚類分析的重要技術

? ?K均值：K均值是基于原型的、劃分的聚類技術。它試圖發現用戶指定個數k的簇(由質心代表)

鄰近度函數	質心	目標函數
曼哈頓距離L1	中位數	最小化對象到其簇質心的L1距離和
平方歐幾里得距離L2平方	均值	最小化對象到其簇質心的L2距離的平方和
余弦	均值	最大化對象與其簇質心的余弦相似度和
Bregman散度	均值	最小化對象到其簇質心的Bregman散度和

　　SSE(Sum of Squared Error)誤差的平方和

? 凝聚的層次聚類：

　　層次聚類常常使用樹狀圖dendrogram，對于二維點的聚合，層次聚類也可以使用嵌套簇圖。

? ? ? ?單璉：MIN??全璉：MAX? 組平均：GROUP AVERAGE

　　Ward方法：兩個簇的鄰近度定義為兩個簇合并時導致的平方誤差的增量。

? ? ? ?簇鄰近度的LANCE-WILLIAMS公式

? DBSCAN:是一種簡單、有效的基于密度的聚類算法。

　　核心點

　　邊界點

　　噪聲點

3.簇評估

非監督簇評估

　　簇的凝聚性（緊湊性，緊致性）度量確定簇中對象如何密切相關

　　簇的分離線度量確定某個簇中不同于其他簇的地方。?

非監督簇評估：使用臨近度矩陣

轉載于:https://www.cnblogs.com/davidwang456/p/9698118.html

總結

以上是生活随笔為你收集整理的数据挖掘导论读书笔记9聚类分析的全部內容，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。