1. 聚類(lèi)分析僅根據(jù)在數(shù)據(jù)中發(fā)現(xiàn)的描述對(duì)象及其關(guān)系的信息，將數(shù)據(jù)對(duì)象分組。

其目標(biāo)是組內(nèi)的對(duì)象相互之間是相似的或者相關(guān)的，而不同組中的對(duì)象是不同的或者不相關(guān)的。

2.聚類(lèi)分析的重要技術(shù)

? ?K均值：K均值是基于原型的、劃分的聚類(lèi)技術(shù)。它試圖發(fā)現(xiàn)用戶指定個(gè)數(shù)k的簇(由質(zhì)心代表)

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

　　SSE(Sum of Squared Error)誤差的平方和

? 凝聚的層次聚類(lèi)：

　　層次聚類(lèi)常常使用樹(shù)狀圖dendrogram，對(duì)于二維點(diǎn)的聚合，層次聚類(lèi)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(gè)簇的鄰近度定義為兩個(gè)簇合并時(shí)導(dǎo)致的平方誤差的增量。

? ? ? ?簇鄰近度的LANCE-WILLIAMS公式

? DBSCAN:是一種簡(jiǎn)單、有效的基于密度的聚類(lèi)算法。

　　核心點(diǎn)

　　邊界點(diǎn)

　　噪聲點(diǎn)

3.簇評(píng)估

非監(jiān)督簇評(píng)估

　　簇的凝聚性（緊湊性，緊致性）度量確定簇中對(duì)象如何密切相關(guān)

　　簇的分離線度量確定某個(gè)簇中不同于其他簇的地方。?

非監(jiān)督簇評(píng)估：使用臨近度矩陣

轉(zhuǎn)載于:https://www.cnblogs.com/davidwang456/p/9698118.html

總結(jié)

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?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。